Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
INGLOMAYOR. Section A Volume 18 (2020) Page 24 of 53. ISSN 0719 7578 Diseño óptimo de circuitos de flotación Mauricio Bustamante Escobedo Resumen La concentración de minerales, mediante el proceso de flotación, permite la separación del material valioso del estéril, desde sus pulpas acuosas por medio de burbujas de gas, aprovechando sus propiedades hidrofílicas e hidrofóbicas. Si bien existen antecedentes históricos sobre el uso de técnicas de flotación hace más de 2.500 años, los fundamentos teóricos y tecnológicos fueron desarrollados sólo en el siglo XX, donde en 1906 se registra la primera patente. (Sutulov 1963; Wills and Napier-Munn 2005) El objetivo del proceso de flotación es la obtención de la máxima recuperación de las especies de interés, además, de maximizar la ley de concentrado final. Debido a la complejidad del proceso, la separación raramente es completa, por lo que el proceso se debe realizar en múltiples etapas interconectadas formando un circuito de flotación. La eficiencia de la separación depende de la configuración del circuito, así como de las propiedades físicas y químicas de la pulpa. La complejidad asociada al proceso de flotación, producto por el gran número de variables involucradas (las que son de naturaleza diversa), no permite la realización de un modelo confiable, que pueda ser utilizando en la simulación y control del proceso de flotación. (Tatjewski 2008) El proceso de flotación de minerales posee etapas y equipos definidos, cuyo uso e interconexión puede variar desde un diseño a otro, es decir, dos procesos de flotación pueden poseer distinto diagrama de flujo o flowsheet. Por otro lado, el dimensionamiento de las etapas seleccionadas es otro parámetro para considerar, ya sea por el tamaño de los equipos a utilizar, como por la cantidad de unidades dispuestas en la configuración de cada planta. Si consideramos, además, aspectos económicos al proceso, como son los costos de producción y las tasas de retorno, el problema se hace cada vez más complejo, siendo necesario la utilización de estrategias que permitan la optimización simultanea de cada una de las partes antes mencionadas. La estrategia descrita, requiere la utilización de una superestructura que incluya los distintos equipos, que pueden ser seleccionados o descartados para la INGLOMAYOR. Section A Volume 18 (2020) Page 25 of 53. ISSN 0719 7578 generación del diagrama de flujo del proceso, considerando además de los equipos las interconexiones entre ellos. Las ecuaciones propias de cada unidad del proceso deben ser descritas por sus ecuaciones de balance, así como expresiones propias del fenómeno descrito (consideraciones cinéticas, fisicoquímicas, etc.). Estas consideraciones junto con las restricciones del proceso son incorporadas en un problema de optimización para el cual se especifica una función objetivo, que considere, por ejemplo, la minimización de costos o la maximización del rendimiento (Grossmann 2002). La principal ventaja de esta estrategia es que permite optimizar de manera simultánea la configuración del proceso y sus condiciones de operación. Su desventaja, por otro lado, radica en que no garantiza la condición de optimalidad global para modelos no lineales, a menos que se usen métodos específicos para optimización global. (Grossmann, Caballero, and Yeomans 2000) En la determinación del circuito de flotación se analizan distintas funciones objetivos de tipo económica, todas ellas dependen de variables que depende de las condiciones del mercado y de la eficiencia del proceso, por ejemplo, el precio de venta del mineral depende de la ley de cobre que este posee, así como de las impurezas y/o materiales valiosos que contenga, los que generan castigos o beneficios al precio final de venta, respectivamente, de acuerdo a la concentración presente en el concentrado. Por otro lado, los precios de tratamiento y refinación TC/TR dependen de las condiciones del mercado internacional, cuya variabilidad depende de distintos actores. Introducción La flotación es un proceso heterogéneo, en el que se presentan tres fases, a saber: sólida (materiales que se desean separar), líquida (agua) y gaseosa (aire). Esta separación se logra aprovechando las propiedades fisicoquímicas superficiales de los materiales presentes en un mineral, que determinan su afinidad con el agua, las que se dividen en hidrofílicas (con afinidad) e hidrofóbicas (sin afinidad), esta propiedad determina su flotabilidad natural, ya que un material que no posee afinidad con el agua, si la tiene con el aire y viceversa. Los sólidos junto con el agua se preparan en forma de pulpa, antes de ingresar al proceso de flotación, en el cual se adiciona aire para formar las burbujas sobre las cuales se adhieren las partículas sólidas. INGLOMAYOR. Section A Volume 18 (2020) Page 26 of 53. ISSN 0719 7578 Para favorecer la interacción entre el mineral y el aire, la fase sólida debe ser previamente tratada, en etapas de chancado y molienda, de manera de reducir el tamaño de partículas a valores cercanos a los 100 micrones (0,1mm), este tamaño asegura un adecuado grado de separación o liberación de éste. Tamaños mayores de partícula pueden provocar una mala adherencia a las burbujas, mientras que partículas muy finas, no tienen el suficiente impulso para producir un encuentro efectivo partícula-burbuja. (Sutulov 1963) Los minerales con enlaces moleculares débiles no reaccionan con el agua, estos se conocen como de tipo apolar y, en consecuencia, son hidrofóbicos. Dentro de este grupo se encuentra el grafito, el azufre, el carbón y el talco, entre otros. La afinidad de un material con el agua está directamente relacionada con su polaridad, un material hidrofóbico no reacciona con los dipolos del agua, por lo que no se disocia y, en general, son químicamente inertes. Dentro de este grupo se encuentran los metales nativos y sulfuros metálicos. Por otro lado, los materiales hidrofílicos, poseen una gran actividad química, a este grupo pertenecen los óxidos, sulfatos y la mayoría del mineral estéril o ganga. Los minerales con enlaces covalentes o iónicos se conocen como de tipo polar. La magnitud de la polaridad de los minerales varía dependiendo de la composición de éstos. Para incrementar estas propiedades hidrofóbicas del mineral y, en consecuencia, su flotabilidad, se adicionan reactivos llamados colectores, generalmente corresponden a compuestos orgánicos que poseen una parte polar y otra no polar. El mineral queda cubierto por el colector, el que se adhiere a su superficie por medio de su parte polar, quedando su parte no polar en contacto con el agua, lo que le proporciona propiedades hidrofóbicas. Para facilitar el arrastre del mineral por las burbujas de aire, se adicionan agentes espumantes, que permiten formar burbujas de tamaño y calidad adecuadas a las condiciones de proceso, en donde las partículas sólidas se encuentran en constante agitación. En el proceso de flotación intervienen múltiples variables, las que pueden ser agrupadas en tres grandes grupos: (Jovanović and Miljanović 2015, (Villeneuve, Guillaneau, and Durance 1995) 1) Características de la alimentación: flujo másico, composición de la pulpa de entrada, distribución del tamaño de partículas del sólido, grado de liberación, gravedad específica, etc. INGLOMAYOR. Section A Volume 18 (2020) Page 27 of 53. ISSN 0719 7578 2) Características fisicoquímicas: calidad de agua, temperatura, tipo y concentración de reactivos, interacciones entre las partículas y los reactivos, etc. 3) Características hidrodinámicas: diseño de la columna de flotación, flujo de aire, distribución de las burbujas de aire y las partículas sólidas al interior de la columna, etc. Principios del proceso de flotación El procesamiento de minerales, mediante el métodode flotación con espumas, es una técnica que permite separar la parte valiosa de la no valiosa, mediante interacciones superficiales entre las distintas fases involucradas. Está controlado por la termodinámica, la cinética y la hidrodinámica del sistema. Los aspectos fundamentales del proceso incluyen: En la especie mineral de interés, se debe generar una superficie hidrofóbica la que se favorece con la adición de un agente colector (condición termodinámica). El proceso debe entregar el tiempo de contacto suficiente. para la correcta adhesión del mineral, de superficie hidrofóbica, con la burbuja de aire (condición cinética). Los flujos de entrada de la pulpa y el aire deben permitir la estabilidad del proceso, de manera que ocurran las interacciones esperadas (condición hidrodinámica). Los parámetros del proceso de flotación pueden ser clasificados en cuatro tipos de componentes, las que se muestran en la Figura 1. (Sepúlveda et al. 2014) INGLOMAYOR. Section A Volume 18 (2020) Page 28 of 53. ISSN 0719 7578 Figura 1: Factores que afectan la flotación En estas etapas, el material es expuesto a distintas condiciones físicas y químicas que pueden alterar su composición, produciendo variaciones en las condiciones de entrada de la pulpa, dificultando su operación y control. Algunas de las variables de mayor importancia para el proceso de flotación son: (Tuteja, Spottiswood, and Misra 1995) Mineral: Los antecedentes geológicos del yacimiento y método de explotación entregan información sobre las posibles alteraciones que puede tener en las distintas etapas. Por ejemplo, sulfuros y metales nativos no presentaran mayores alteraciones durante el proceso, a diferencia de los carbonatos y sulfatos que pueden sufrir disociación. Granulometría: Adquiere gran importancia, dado que la flotación requiere que la reducción de tamaño de las especies minerales útiles permita obtener un grado de liberación adecuado para su concentración, es decir, permita la separación de las especies minerales de la ganga. Densidad de Pulpa: Existe un porcentaje de sólidos óptimo para el proceso, que tiene influencia en el tiempo de residencia del mineral en los circuitos, en la recuperación del material valioso y en la calidad del concentrado obtenido. Tiempo de Residencia: El tiempo en que la solución se encuentra en el circuito de flotación, debe ser tal que asegure que la reacciones se realicen, lo que está determinado por cinética del proceso. Calidad del Agua: El proceso de flotación posee un gran consumo de agua, por lo que su disponibilidad es un problema latente. La recirculación de agua, INGLOMAYOR. Section A Volume 18 (2020) Page 29 of 53. ISSN 0719 7578 generalmente desde los espesadores, debe ser analizada por la posible acumulación de compuestos no deseados en el proceso y las posibles consecuencias que éstos podrían generar. Por ejemplo, la cal es utilizada para impedir la flotación de la pirita, pero a medida su concentración aumenta comienza a deprimir al resto de los sulfuros, incluyendo los materiales que se desean recuperar. Otras Variables: La cantidad y calidad de los reactivos empleados, el pH de la pulpa y el sistema de aireación de la celda, son algunas de las variables que deben ser monitoreadas durante el proceso. Cinética del proceso de flotación La velocidad con que el material sólido es removido desde el proceso de flotación, considerando las variables involucradas en el proceso, puede describirse, en términos simples, mediante la siguiente ecuación general: (Tuteja, Spottiswood, and Misra 1994) dC dt = - k Cn Dónde C es la concentración de las especies flotables, k corresponde a la constante cinética de flotación y n es el orden de la reacción. Consideran que C0 es la concentración inicial de las especies flotables y que la reacción es de primer orden, la variación de la concentración en función del tiempo queda: C(t) = C0 e-kt La flotación de las especies nunca es completa, considerando como C la concentración del material que no ha flotado, la expresión para la cinética de la flotación queda de la forma: dC dt = - k (C0 - C∞) ⇒ C(t) = C∞ + (C0 - C∞) e-kt La ecuación anterior, puede ser expresada en términos de la recuperación del proceso: R = Co - C C0 Donde la recuperación máxima, R, se obtiene cuando C = C. La expresión para la cinética de flotación queda de la forma: INGLOMAYOR. Section A Volume 18 (2020) Page 30 of 53. ISSN 0719 7578 dR dt = k (R∞ - R) ⇒ R(t) = R∞ �1 - e-kt� La ecuación anterior representa la ecuación cinética para el proceso batch de flotación. Existe una gran variedad de modelos empíricos para determinar la cinética de la flotación, considerándola como una reacción de primer orden: modelo Clásico y modelo de Klimpel, los que están asociados a la función de distribución de la constante cinética, que es una función del tamaño de las partículas y la hidrofobicidad. (Bu et al. 2017) La expresión general para la cinética de la reacción se puede expresar de la forma: dR dt = f(k) (R∞ - R)n Donde f(k) representa la función de distribución para la constante cinética. R, la recuperación máxima. n, representa el orden de la reacción La función de distribución cumple con la siguiente propiedad: � f(k)dk ∞ 0 =1 a) Modelo Clásico Función de distribución de la constante cinética es la función delta de Dirac (��), o función impulso. f(k)=δk(k) R(t) = R∞ �1 - e-kt� b) Modelo de Klimpel La función de distribución corresponde a la función escalón o función de Heaviside (��). f(k)= 1 kmax �μo(k)-μkmax (k)� R(t)=R∞ �1- 1-e-kmax∙t kmax∙t � INGLOMAYOR. Section A Volume 18 (2020) Page 31 of 53. ISSN 0719 7578 Sistemas continuos Para los sistemas continuos, los modelos cinéticos de las celdas de flotación pueden ser modelados como reactores de mezcla completa o flujo pistón (sistema de n reactores conectados en serie). Los modelos cinéticos continuos quedan de la forma: a) Modelo Clásico R = R∞ � k∙τ 1 + k∙τ � (mezcla completa) R = R∞ {1 - [1 + k∙τ]-n} (flujo pistón) b) Modelo de Klimpel R = R∞ �1- ln(1+k∙τ) k∙τ � (mezcla completa) R = R∞ �1- � ln(1+k∙τ) k∙τ � n � (flujo pistón) Donde k corresponde a la constante cinética del proceso, n representa el número de etapas de un reactor mezcla completa equivalentes para el flujo pistón y es el tiempo de residencia en la celda. La constante cinética del proceso de flotación puede ser afectada por cambios en el tamaño de burbuja. burbujas pequeñas, generan valores altos de la constante cinética. (Diaz-Penafiel and Dobby 1994) Modelación del proceso de flotación Modelos de micro y macro escala son comúnmente utilizados para describir la cinética de la flotación. Relaciones causa-efecto entre las variables se tratan de determinar mediante los modelos a microescala, la interacción entre parámetros físicos y químicos hace muy complejo analizar todas estas relaciones. Por otro lado, los modelos de macro escala analizan el proceso global de la flotación, relacionada a varios parámetros operacionales, a través de expresiones matemáticas. (Polat and Chander 2000) INGLOMAYOR. Section A Volume 18 (2020) Page 32 of 53. ISSN 0719 7578 Los modelos de macro escala se pueden dividir en modelos empíricos y modelos fenomenológicos. Los métodos empíricos relacionan las variables de entrada y salida con la recuperación de mineral, mediante expresiones matemáticas y modelos estadísticos, que determinan la dependencia e independencia de los parámetros analizados. Por otro lado, los métodos fenomenológicos, consideran parámetros cinéticos o los mecanismos de transformación que ocurren al interior del proceso (colisiones, adhesión partícula-burbuja, entre otros),lo que puede integrar modelos de micro y macro escala. Además, los modelos pueden incluir las siguientes consideraciones: (Hodouin 2011) Modelos en estado estacionario o modelos dinámicos. Modelos determinísticos o estocásticos. Modelos causales (modelos de entrada y salida) o modelos no causales (asociadas a relaciones entre las variables de proceso, como pueden ser las restricciones). Modelos lineales o no lineales. Modelos basados en ecuaciones matemáticas o en reglas difusas. Algunos de los modelos desarrollados, emplean ecuaciones teóricas o fenomenológicas, que permiten conocer la eficiencia del proceso de flotación y mejorar la compresión de los fenómenos involucrados, por ejemplo, los modelos cinéticos de flotación están directamente relacionados con las ecuaciones cinéticas de las reacciones químicas. Por otro lado, están los modelos empíricos, desarrolladas mediante la observación y el análisis estadístico de los datos obtenidos en ensayos experimentales. El uso de modelos matemáticos para describir el proceso, su optimización y la simulación del control del proceso, entrega una serie de beneficios, entre los que se encuentran (Jovanović and Miljanović 2015): a) Reducción de costos de operación. b) Mayor entendimiento del proceso. c) Mejorar la toma de decisiones en todos los aspectos del proceso. Dentro de los modelos utilizados para describir el proceso de flotación, se encentran los modelos cinéticos. La expresión general para los modelos continuos, considerando la función de distribución de la constante cinética, manteniendo la nomenclatura anterior, pueden ser descritos de la forma: INGLOMAYOR. Section A Volume 18 (2020) Page 33 of 53. ISSN 0719 7578 R R∞ = ��1-e-k∙τ �∙f(k) ∞ 0 dk Si consideramos como una variación el tiempo de residencia, por diferentes condiciones de mezclado, la recuperación de mineral puede ser expresada utilizando una función de distribución para el tiempo de residencia: R R∞ = � ��1-e-k∙τ �∙f(k)∙E(τ) ∞ 0 ∞ 0 dk∙ dτ Diseño y optimización de procesos La programación matemática orientada al diseño, integración y operación de procesos, o más genéricamente, a los problemas de síntesis, consiste en tres pasos principales. (Grossmann and Biegler 2004) Desarrollo de una representación de las alternativas, de entre las cuales se elige la solución óptima. Formulación del programa matemático que generalmente involucra variables discretas y continuas para la selección de la configuración del sistema y las variables de operación, respectivamente. Resolución del modelo de optimización del cual se determina la solución óptima. La superestructura que se utiliza en la determinación del diagrama de flujo del proceso de flotación es una estructura flexible que permite el análisis de múltiples alternativas que se definen a partir de las variables que desean ser optimizadas. Está descrita como una serie de etapas conectadas entre sí, cada una de las cuales posee una entrada o flujo de alimentación y dos corrientes de salidas, que consideran los flujos de concentrado y colas de cada de las 5 etapa del modelo de flotación: Flotación Rougher (R) Flotación de Limpieza (C) Flotación de re-limpieza (CC) Flotación de limpieza en celdas Scavenger (CS) INGLOMAYOR. Section A Volume 18 (2020) Page 34 of 53. ISSN 0719 7578 Flotación Scavenger (S) Además, de considerar parámetros de entrada y salida globales: Alimentación al circuito de flotación (F) Flujo de Concentrado final (P) Flujo de cola final (W) La interacción entre cada una de las componentes dentro de la superestructura está regida por flujos aceptables de concentrado y colas entre las distintas etapas, los que se rigen por la función que cada etapa posee dentro del sistema. La flotación Rougher (R) recibe la alimentación del proceso global y maximiza la recuperación; las etapas de flotación de limpieza (C, CC y CS) maximizan la ley de concentrado, generando el concentrado final, mientras que la flotación Scavenger (S) maximiza la recuperación y genera las colas finales (W). Estas interacciones son descritas mediante la matriz de origen-destino, tanto para los flujos de concentrado como de colas en cada etapa. La Tabla 1, muestra el proceso de origen (filas) y los procesos de destino (columnas) permitidos, donde O representa el flujo de concentrado y X, el de colas. La alimentación al proceso global es considerada como un concentrado. Por lo tanto, las celdas vacías corresponden a corrientes de flujo no permitidas. Tabla 1: Matriz de origen – destino R C CC CS S P W F O R O X O X C X O X X O CC X X X X O CS O O O X O S O O O O X La descripción de la matriz de origen-destino impide que las corrientes de concentrado y colas de una etapa sean enviadas al mismo destino, además de impedir otras configuraciones ilógicas del sistema. Una corriente de salida, si bien posee distintas alternativas de destino, sólo una de ellas será posible, impidiéndose de esa forma la división de los flujos de las corrientes. Modelo matemática de optimización El modelo de optimización utilizado corresponde al diseño de una superestructura, cuya resolución se realiza mediante una programación no lineal INGLOMAYOR. Section A Volume 18 (2020) Page 35 of 53. ISSN 0719 7578 entera mixta (MINLP). Como se indicó anteriormente, el modelo matemático es de la forma: min(�,�) ���(�,�) � = �(�, �) �. � ℎ(�) = 0 �(�, �) ≤ 0 � � �, � � {0,1} Las ecuaciones representadas por h(x) corresponde a los balances de masa y modelos del proceso de flotación. Por otro lado, g(x,y) representa expresiones lógicas, condiciones de operación o disyunciones, es decir, la elección de flujos excluyentes de destino de las corrientes, no existiendo divisiones de flujos, sino que se debe definir hacia qué equipo, dentro de las alternativas posibles, va una determinada corriente. El modelo considera las etapas de flotación Rougher (R), Cleaner (C), re- cleaner (CC), Cleaner-Scavenger (CS), Scavenger (S), además, de la alimentación, recolección de concentrado final y recolección de cola final. Se considera especies mineralizas, que poseen materiales de interés, así como material inerte, esta definición es variable dependiendo de la composición de mineral que se desee estudiar. Las variables consideradas para la modelación del proceso son: a) Etapas del proceso: II, JJ = {F, R, C, CC, CS, S, P, W} b) Etapas de flotación: I = {R, C, CC, CS, S} c) Especies incluidas: k d) Flujo de alimentación de la especie k a la etapa I: FS(I,k) e) Flujo de concentrado de la especie k en la etapa I: CT(I,k) f) Flujo de cola de la especie k en la etapa I: WS(I,k) g) Flujo de concentrado final especie k: CF(k) h) Flujo de cola final especie k: WF(k) i) Flujo de alimentación a la superestructura de la especie k: FI(k) j) Flujo de concentrado de la especie k entre las etapas II y JJ: FC(II,JJ,k) k) Flujo de cola de la especie k entre las etapas II y JJ: FW(II,JJ,k) l) Recuperación de la especie k en la etapa I: T(I,k) Adicionalmente, están las siguientes variables binarias: INGLOMAYOR. Section A Volume 18 (2020) Page 36 of 53. ISSN 0719 7578 Existencia de cada una de las etapas: YI(I) Existencia de corriente concentrado entre etapa II y etapa JJ: YC(II,JJ) Existencia de corriente cola entre la etapa II y la etapa JJ: YW(II,JJ) Con estas definiciones los flujos asociados a cada etapa se muestran en la Error! Reference source not found.. (Cisternas, Lucay, and Gálvez 2014) Figura 2: Identificación de los flujos de la etapa de flotación Definición de la función objetivo La función objetivo es la ecuación que será optimizada dadas las limitaciones o restricciones determinadas y con variables que necesitan ser minimizadas o maximizadas usando técnicasde programación lineal o no lineal. Si existen más de una función objetivo, una alternativa es incluir una de ellas dentro de las restricciones del proceso. En este caso se analizan distintas funciones objetivo mediante el análisis de las siguientes variables económicas: a) Maximizar Valor actual neto VAN b) Maximizar Utilidades antes de impuestos PB c) Minimizar Costos anuales equivalentes CAE d) Minimizar Tiempo de recuperación de la inversión anual TPB e) Maximizar Retorno de la inversión ROI f) Minimizar Costo anual total COA INGLOMAYOR. Section A Volume 18 (2020) Page 37 of 53. ISSN 0719 7578 Para cada una de las funciones objetivos, se determina el valor de la Tasa interna de retorno TIR. Los parámetros económicos salen del análisis de los ingresos por ventas, costos operacionales, depreciaciones y los impuestos. Estos datos, junto con los costos de inversión, permiten obtener los indicadores económicos que se utilizarán como función objetivo. La Tabla 2, muestra el esquema de cálculo de los distintos componentes del flujo de caja operacional. (Peters, Timmerhaus, and West 1991) Tabla 2: Flujo de caja operacional Símbolo Ítem NSR (+) Ingresos por ventas COT (-) Costos Operacionales D (-) Depreciaciones legales PB (=) Utilidades antes de Impuestos RT (-) Impuestos legales PA (=) Utilidades después de impuestos D (+) Depreciaciones legales FN (=) Flujo de caja operacional Dentro de los parámetros relevantes se encuentra la inversión Inicial (IT), considerando costos fijos y costos de capital y la tasa de interés anual (rd). Los funciones objetivo a considerar en el estudio y sus ecuaciones generales, a partir de las siglas descritas en la tabla anterior, para un proyecto de N años de vida útil, son: (Pintarič and Kravanja 2006) Las ecuaciones que permiten calcular cada uno de estos parámetros son: a) Valor actual neto VAN El VAN mide el aporte económico de un proyecto, refleja el aumento o disminución de la riqueza con la ejecución de éste. VAN = −IT + � FN� (1 + r�)� � ��� La expresión anterior, representa la ecuación general del VAN, si consideramos que los flujos de caja operacionales son iguales en los N períodos de tiempo, es decir, FN� = FN, se obtiene la siguiente expresión: INGLOMAYOR. Section A Volume 18 (2020) Page 38 of 53. ISSN 0719 7578 VAN = −IT + FN ∗ FA El término FA es el factor de anualidad asociado a la tasa de interés anual. FA = � 1 (1 + r�)� � ��� = (1 + r�)� − 1 r�(1 + r�)� b) Utilidades antes de impuestos PB Las utilidades antes de impuesto se desprenden directamente de la Tabla 2. PB = NSR − COT − D c) Costos anuales equivalentes CAE El Costo Anual Equivalente de un proyecto de inversión es una expresión de sus costos e ingresos, si los hay, presentes y futuros, medidos en términos del costo anual uniforme al cual equivalen. Está dado por la expresión: CAE = VAN FA = FN − IT FA d) Tiempo de recuperación de la inversión anual TPB La recuperación de la inversión relaciona el costo fijo de inversión (INTC) y el flujo de caja operacional, mediante esta relación: TPB = INTC FN e) Retorno de la inversión ROI El ROI es un indicador de la rentabilidad del proyecto y relaciona los beneficios antes de impuestos y la inversión total del proyecto. ROI = PB IT f) Costo anual total COA Está formado por el costo operacional anual y las depreciaciones legales anuales. COA = COT + D g) Tasa interna de retorno TIR La TIR mide la rentabilidad de un proyecto, se define como el valor que hace que el VAN sea cero. INGLOMAYOR. Section A Volume 18 (2020) Page 39 of 53. ISSN 0719 7578 VAN = −IT + (1 + r���)� − 1 r�(1 + r���)� ∗ FN Ecuaciones de balance y diseño de equipos Las ecuaciones de balance consideran las relaciones metalúrgicas asociadas a la recuperación de las especies de interés en las distintas etapas del proceso, considera los parámetros cinéticos y tiempo de residencia. Las relaciones generales se pueden expresar de la siguiente manera: El flujo de alimentación al proceso global (F), debe ser igual a la suma del concentrado final (P) y las colas finales (W) del sistema. El flujo de salida de una etapa debe ir a una sola etapa posterior, sea esta la alimentación de una etapa, o ser incorporado a los flujos de concentrado o colas finales. Esta condición se ajusta con una variable binaria, que indica la existencia de la corriente entre una etapa y otra. El flujo de alimentación de cada etapa debe ser igual a la suma de los flujos que cada etapa indica son enviados, no permitiéndose la recirculación. El concentrado de cada etapa será el producto entre los flujos de entrada y la recuperación, para cada una de las especies involucradas. En cada etapa se debe cumplir que el flujo de alimentación es igual a la suma de los flujos de concentrado y cola generados en la etapa. Los flujos finales de concentrado y cola deben ser igual a la suma de todas las corrientes que poseen ese destino. El diseño de equipos considera la determinación del volumen de las celdas de flotación mediante la siguiente expresión: V = Q ∙τ EG Donde Q es el flujo volumétrico de pulpa expresado en �� � , es el tiempo de residencia expresado en horas y EG es el factor de aireación. En base a la identificación de los flujos provenientes de cada etapa se describen las siguientes ecuaciones de balance: INGLOMAYOR. Section A Volume 18 (2020) Page 40 of 53. ISSN 0719 7578 Flujo de alimentación de la especie k hacia la etapa I FS(I,K) = � FC(JJ,I,k) JJ + � FW(JJ,I,k) JJ Para los casos que la matriz de origen-destino indique que no hay flujos permitidos entre las etapas II y JJ, estos valores serán cero, es decir: FC(II,JJ,k) = 0 y FW(II,JJ,k) = 0 Producto que la alimentación global del sistema (F), sólo alimenta a la etapa Rougher (R), para cada especie k se cumple: FC(F,R,k) = FI(k) La superestructura debe decidir qué etapas se deben realizar, esta condición se logra mediante la siguiente restricción: � FF(I,k) k - YI(I)*MxF ≤ 0 Flujo de concentrado de la especie k desde la etapa I CT(I,k) = � FC(I,II,k) II La superestructura no tendrá divisiones de flujo, por lo tanto, sólo una de las posibles corrientes de concentrado desde la etapa I posee un flujo distinto a cero, esto se modela introduciendo la siguiente restricción: � FC(II,JJ,k) k - YC(II,JJ)*MxF ≤ 0 Donde MxF es el flujo máximo permitido para cada corriente, la que está definida por la expresión: MxF = 3* � FI(k) k Además, la variable binaria debe cumplir la siguiente restricción: � YC(I,II) ≤ 1 II Flujo de colas de la especie k desde la etapa I WS(I,k) = � FW(I,II,k) II INGLOMAYOR. Section A Volume 18 (2020) Page 41 of 53. ISSN 0719 7578 De la misma forma, sólo existe una de las posibles corrientes de colas desde la etapa I, las restricciones en este caso son: � FW(II,JJ,k) k - YW(II,JJ)*MxF ≤ 0 � YW(I,II) ≤ 1 II Flujo de concentrado final (P) CF(I,k) = � FC(I,P,k) I Flujo de cola final (W) WF(I,k) = � FW(I,W,k) I Balance de masa global en la superestructura FI(k) = CF(k) + WF(k) Balance de masa en la etapa I FS(I,K) = CT(I,k) + WS(I,k) Además, los flujos de concentrado y colas de cada etapa se relacionan por la expresión: CT(I,k) = T(I,k)*FS(I,k) Donde T(I,k) corresponde a la recuperación de la especie k, en la etapa I. Recuperación en la etapa I El modelo cinético para las celdas de flotación corresponde a reacciones de primer orden, con una función de distribución rectangular de la constante cinética, cada etapa de flotación corresponde a un banco de celdas conectadas en serie manteniendo un tiempo de residencia constante para cada una de ellas. Bajo estas condiciones la recuperación de cada etapa del proceso, está dada porla siguiente expresión (Yianatos and Henríquez 2006): T(I,k) = Ri(I,k) �1 - 1 - [1 + Ks(I,k)∙τ(I)]1-N(I) (N(I) - 1)∙Ks(I,k)∙τ(I) � Leyes de concentrado y colas La ley de concentrado se obtiene de acuerdo con la expresión: INGLOMAYOR. Section A Volume 18 (2020) Page 42 of 53. ISSN 0719 7578 LC= ∑ CF(k)*Gd(k,Cu)k ∑ CF(k)k Restricciones del proceso Dentro de las restricciones se deben considerar lo siguiente: La suma de las variables binarias debe ser siempre menor o igual a 1, para asegurar que exista un solo destino desde cualquier etapa de origen. La ley de concentrado de cobre final debe ser superior al 20%, mientras que la ley de cola debe ser inferior al 0,2%. Para los diseños de equipos se deben considerar los rangos en los que la ecuación de costos es aplicable. La ley de concentrado final posee un valor mínimo de 20%, definido por la siguiente restricción: � CF(k)*Gd(K, Cu) k ≥0,2* � CF(k) k De igual forma, la ley de cola debe ser inferior al 0,2%, definido mediante la siguiente restricción: � WF(k)*Gd(K, Cu) k ≥0,002* � WF(k) k Diseño de celdas de flotación El número de celdas de flotación se puede considerar como un dato del problema o un parámetro a determinar. El número de celdas por banco se encuentra entre 1 y 14, de acuerdo con la relación: 1,0*YI(I)≤N(I)≤14*YI(I) El volumen de las celdas es homogéneo y depende del efecto de los gases presentes (EG), en tiempo de residencia en la celda Tau(I) y la densidad de la pulpa DEN, de acuerdo con la expresión: V(I)= � FS(I,K) k *TAU(I)* EG DEN El volumen del reactor está limitado entre 5 y 200 m3. INGLOMAYOR. Section A Volume 18 (2020) Page 43 of 53. ISSN 0719 7578 5,0*YI(I)≤V(I)≤200*YI(I) Evaluación económica El objetivo de la evaluación económica de un proyecto, en una etapa preliminar, es la determinación de las mejores alternativas para la realización de estudios posteriores, en base a parámetros económicamente aceptables. Esta evaluación considera tres aspectos principales: a) Estimación de los costos de capital b) Estimación de ingresos y gastos c) Evaluación de criterios de rentabilidad Las variables económicas por considerar corresponden al análisis incluyen el análisis de costos, ingresos y parámetros operacionales. i. Ingresos por ventas Los ingresos netos por venta de concentrado están representados por la siguiente expresión (net-smelter-return, NSR): NSR= � CF(k)[p(LC - mu)(q - Rfc) - Trc]H k Donde CF(k) es el flujo de la especie k en el concentrado final. LC: es la ley de concentrado p: la fracción pagable del metal mu: es el descuento aplicado por ley de mineral q: es el valor de compra del metal. Rfc: es el costo de refinación Trc: es el costo de tratamiento de concentrado de cobre H: es el tiempo de operación La expresión anterior, muestra que los ingresos por venta de minerales dependen de muchos factores, entre los que destaca la ley de mineral, pero además interviene la eficiencia del proceso de extracción y los valores de mercado. Por otro lado, las distintas etapas del proceso del cobre desde la extracción hasta la venta en los mercados internacionales poseen una limitante en sus beneficios, cuya INGLOMAYOR. Section A Volume 18 (2020) Page 44 of 53. ISSN 0719 7578 variación también depende del grado de refinación del producto final, es decir, si el producto final corresponde a concentrado de cobre o a cátodos, por ejemplo. La existencia de otros materiales valiosos puede aumentar los ingresos, como es el caso del oro y la plata, por otro lado, la presencia de impurezas, como es el caso del arsénico, sobre los límites permitidos puede disminuir estas ganancias. La fracción de metal pagado, para leyes mayores al 20% es de p=0,965, además de una deducción de pago de mu=0,01. El valor del metal, de acuerdo con las listas que mantienen ENAMI para marzo de 2020, ajustada a US$ por tonelada de metal, corresponde a la expresión: q = 958,7766 + 5.268,88*(LC - 0,20) LC El costo de tratamiento Trc, representa el costo de procesamiento del concentrado final, mientras que el costo de refinación Rfc, se considera el costo que posee el tratamiento del metal presente en el concentrado mediante el proceso de refinación, estos valores están sujetos a las variaciones del mercado. El valor a fines de febrero de 2020 es de US$65.80 por tonelada de mineral procesado para Trc y ¢US$6.58 por libra de metal refinado para Rfc. (MetalBulletin, 2020) El modelo considera 7.200 horas anuales de operación. ii. Costos operacionales Los costos operacionales consideran la energía utilizada en la operación de las celdas, la etapa de conminución previo al proceso de flotación. La expresión que describe los costos operacionales es: COT= �[H ∗ N(I) ∗ V(I) ∗ PK ∗ EN] �������������������� ����� �������ó� �� ��� ������ + H ∗ CMM ∗ � FI(k) �������������� ����� ���������ó� Donde PK es el costo de la energía eléctrica; EN es el consumo eléctrico por volumen de celda; CMM es el costo asociado al tratamiento de mina y conminución; N(I) es el número de celdas de la etapa I, cada una con un volumen V(I). iii. Costo de inversión Uno de los mayores costos involucrados en un proceso químico es por los equipos. Por este motivo una aproximación del orden de magnitud de la inversión INGLOMAYOR. Section A Volume 18 (2020) Page 45 of 53. ISSN 0719 7578 puede obtener se mediante el empleo de los factores de Lang, asociado al costo de los equipos principales y al tipo de proceso involucrado. Este factor puede utilizarse para determinar el costo fijo de inversión o el costo total de la inversión. Para plantas de procesamiento de sólidos los valores son 3,9 (costos fijos) y 4,6 (inversión total). (Peters, Timmerhaus, and West 1991) Por lo anterior, el costo de inversión puede ser dividido en la adquisición de equipos como el capital de trabajo, de acuerdo con la expresión: IT=(FL+FLw)* � IN(I)*N(I) I FL y FLw, corresponde al efecto Lang para la adquisición de equipos (3,9) y para el capital de trabajo (0,9), respectivamente. (Ruhmer 1991) IN(I) es el costo de inversión por celda de flotación se determinan por la expresión: (Ruhmer 1991) IN(I)=150,7+10,72 *V(I)-0,01491* V(I)2 iv. Flujo de Caja Operacional (Flujo Neto Efectivo) FN El valor actual neto, considera el costo total de inversión VAN = −IT + FN ∗ FA Donde el flujo neto efectivo FN, a partir de la Tabla 2, está dado por la expresión: FN = (1 − RT)[NSR − COT] + RT ∗ D Casos de estudio Para la obtención del circuito óptimo de flotación se consideran 3 especies: calcopirita, pirita y sílice. Para las calcopirita y pirita se distinguen dos fracciones, que representan una liberación total y parcial del mineral, danto un total de 5 especies para el diseño de la superestructura. La ley de cobre, para cada una de las especies consideradas, se describen en la Tabla 3. Tabla 3: Ley de cobre para cada especie Especie K Ley de cobre Calcopirita completamente liberada 1 0,346 Calcopirita parcialmente liberada 2 0,250 INGLOMAYOR. Section A Volume 18 (2020) Page 46 of 53. ISSN 0719 7578 Pirita completamente liberada 3 0,0 Pirita parcialmente liberada 4 0,0 Sílice 5 0,0 La recuperación de la especie k en la etapa I T(I,k) se describe en la Tabla 4. Tabla 4: Constante cinética para cada especie en la etapa I h-1 Etapa Especie 1 2 3 4 5 R 150 125 35 30 10 C 120 100 25 20 10 CC 100 80 15 10 10 CS 120 100 25 20 10 S 150 125 35 30 10 La recuperación máxima Ri(I,k) de la especie k en la etapa I, expresada en fracción, se muestra en la Tabla 5. Tabla 5: Recuperación máxima de cobre en la etapa I Etapa Especie 1 2 3 4 5 R 0,90 0,75 0,50 0,35 0,15 C 0,75 0,60 0,30 0,20 0,15 CC 0,65 0,50 0,20 0,10 0,15 CS 0,80 0,65 0,40 0,30 0,15 S 0,90 0,75 0,500,35 0,15 El tiempo de residencia para cada una de las celdas presentes en las distintas etapas se ha fijado en 0.066 horas. Finalmente, el número de equipos en cada etapa se ha definido de la forma descrita en la Tabla 6. Tabla 6: Número de celdas por etapa R C CC CS S N° celdas 7 5 5 7 7 INGLOMAYOR. Section A Volume 18 (2020) Page 47 of 53. ISSN 0719 7578 Para el flujo de entrada se considera una ley de cobre del 1%. La composición de cada especie se presenta en la Tabla 7. Tabla 7: Flujo de alimentación 1 2 3 4 5 Ton/h 9,5 1,5 26 8 340 Con la configuración anterior, para la maximización del VAN y PB, se obtienen diagramas de flujo equivalentes, el que se presenta en la Figura 3, donde los flujos se encuentran ton/h. Figura 3: Diagrama de flujo datos en ton/h La ley de concentrado final es de 27,3% de cobre. El modelo entrega el volumen de cada celda, para cada una de las distintas etapas, presentados en la Tabla 8. INGLOMAYOR. Section A Volume 18 (2020) Page 48 of 53. ISSN 0719 7578 Tabla 8: Volumen de equipos por etapa en m3 R C CC CS S 111,2 30,1 8,2 16,5 102,8 Debido a los bajos costos operacionales de este tipo de proyecto, se obtiene una alta rentabilidad. Los distintos indicadores económicos asociados al diagrama de flujo se muestran la Tabla 9. Tabla 9: Variación de indicadores para VAN y PB Ingresos, MUS$ 164.763 COT, MUS$ 21.657 CAT, MUS$ 2.350 INTC, MUS$ 10.184 IT, MUS$ 12.534 D, MUS$ 1.018 PB, MUS$ 142.088 PA, MUS$ 92.357 FN, MUS$ 93.376 COA, MUS$ 22.675 TPB, años 0,11 ROI 11,34 VAN, MUS$ 561.218 CAE, MUS$ 91.336 CEQ, MUS$ 2.611 TIR 7,45 Análisis de sensibilidad Si analizamos el efecto en la cantidad de mineral parcialmente liberado (k=2) en el circuito optimo de flotación, sin alterar la ley del mineral y manteniendo todas las condiciones operacionales descritas anteriormente, los circuitos óptimos encontrados para las funciones objetivo se muestran en las siguientes figuras: Error! Reference source not found.Figura 4(VAN y PB), Figura 5(CAE) y Figura 6Error! Reference source not found. (TPB, COA y ROI). INGLOMAYOR. Section A Volume 18 (2020) Page 49 of 53. ISSN 0719 7578 Figura 4: Circuitos resultaste para VAN y PB R C CC CS S Figura 5: Circuitos resultantes para CAE R C CC CS S INGLOMAYOR. Section A Volume 18 (2020) Page 50 of 53. ISSN 0719 7578 R C CC S Figura 6: Circuitos resultantes para TPB, ROI y COA Las líneas negras corresponden a las corrientes de concentrado provenientes de cada da equipo mientras que las azules, a las colas. Se aprecia, además, que los circuitos pueden tener variación los que se muestran como líneas discontinuas. Con estas modificaciones lo parámetros económicos identificados para los indicadores VAN y PB se presenta en la Tabla 10. Tabla 10: Variación de indicadores para VAN y PB Indicador Concentración (k=2), ton/h 0 0,5 1 1,5 2 2,5 3 Ingresos, MUS$ 175.928 172.081 168.418 164.763 161.188 155.359 150.096 COT, MUS$ 21.570 21.579 21.649 21.657 21.664 21.643 21.897 CAT, MUS$ 2.327 2.329 2.349 2.350 2.352 2.350 2.390 INTC, MUS$ 10.085 10.093 10.177 10.184 10.191 10.183 10.357 IT, MUS$ 12.413 12.422 12.526 12.534 12.543 12.533 12.748 D, MUS$ 1.009 1.009 1.018 1.018 1.019 1.018 1.036 PB, MUS$ 153.349 149.493 145.751 142.088 138.504 132.698 127.163 PA, MUS$ 99.677 97.171 94.738 92.357 90.028 86.254 82.656 FN, MUS$ 100.686 98.180 95.756 93.376 91.047 87.272 83.692 COA, MUS$ 22.578 22.588 22.667 22.675 22.684 22.662 22.933 TPB, años 0,1 0,1 0,11 0,11 0,11 0,12 0,12 INGLOMAYOR. Section A Volume 18 (2020) Page 51 of 53. ISSN 0719 7578 ROI 12,35 12,03 11,64 11,34 11,04 10,56 9,98 VAN, MUS$ 606.257 590.850 575.854 561.218 546.900 523.715 501.503 CAE, MUS$ 98.668 96.158 93.718 91.336 89.006 85.232 81.617 CEQ, MUS$ 2.586 2.588 2.609 2.611 2.613 2.611 2.656 TIR 8,11 7.90 7,65 7,45 7,26 6,96 6,57 Conclusiones La determinación de la superestructura para el proceso de flotación de minerales de cobre, utilizando una matriz de origen-destino para los flujos de concentrado y colas, permite identificar la selección de la función objetivo influye en el diseño del circuito, así como en el diseño de equipos y las condiciones de operación. La maximización del VAN y el PB generan circuitos óptimos equivalentes, así como el costo anual equivalente. Además, la estructura tuvo un mayor efecto sobre los valores de las funciones objetivo que las condiciones de operación. Las funciones objetivas para la maximización del valor actual neto y la maximización de las utilidades antes de impuestos entregan los mismos circuitos óptimos, lo que poseen un mayor costo de capital, así como un alto flujo neto efectivo, pero con baja rentabilidad. Por el contrario, las funciones para la maximización del retorno de la inversión, además, de la minimización del tiempo de retorno de la inversión y la minimización de los costos anuales equivalentes, también generan un circuito óptimo equivalente. Estos circuitos resultan una alternativa menos costosa con menor flujo neto efectivo y una alta rentabilidad. Por otro lado, la composición de la alimentación también es un factor relevante en la obtención del circuito óptimo. Bibliografía Bu, Xiangning et al. 2017. “Kinetics of Flotation. Order of Process, Rate Constant Distribution and Ultimate Recovery.” Physicochemical Problems of Mineral Processing 53(1): 342–65. Cisternas, Luis A., Freddy Lucay, and Edelmira D. Gálvez. 2014. “Effect of the Objective Function in the Design of Concentration Plants.” Minerals Engineering 63: 16–24. http://dx.doi.org/10.1016/j.mineng.2013.10.007. Diaz-Penafiel, P., and G. S. Dobby. 1994. “Kinetic Studies in Flotation Columns: INGLOMAYOR. Section A Volume 18 (2020) Page 52 of 53. ISSN 0719 7578 Bubble Size Effect.” Minerals Engineering 7(4): 465–78. Grossmann, Ignacio E. 2002. “Review of Nonlinear Mixed-Integer and Disjunctive Programming Techniques.” Optimization and Engineering 3(3): 227–52. http://www.springerlink.com/index/H273130UW4277Q27.pdf%5Cnhttp://link.sp ringer.com/10.1023/A:1021039126272. Grossmann, Ignacio E., and Lorenz T. Biegler. 2004. “Part II. Future Perspective on Optimization.” Computers and Chemical Engineering 28(8): 1193–1218. Grossmann, Ignacio E, Jose Antonio Caballero, and Hector Yeomans. 2000. “Advances in Mathematical Programming for the Synthesis of Process Systems.” Latin American Applied Research 30(4): 263–84. Hodouin, Daniel. 2011. “Methods for Automatic Control, Observation, and Optimization in Mineral Processing Plants.” Journal of Process Control 21(2): 211–25. http://dx.doi.org/10.1016/j.jprocont.2010.10.016. Jovanović, Ivana, and Igor Miljanović. 2015. “Contemporary Advanced Control Techniques for Flotation Plants with Mechanical Flotation Cells - A Review.” Minerals Engineering 70: 228–49. Peters, M S, K D Timmerhaus, and R E West. 1991. Plant Design and Economics for Chemical Engineers Plan Design and Economics for Chemical Engineers. Pintarič, Z. Novak, and Z. Kravanja. 2006. “Selection of the Economic Objective Function for the Optimization of Process Flow Sheets.” Industrial & Engineering Chemistry Research 45(12): 4222–32. http://dx.doi.org/10.1021/ie050496z. Polat, M., and S. Chander. 2000. “First-Order Flotation Kinetics Models and Methods for Estimation of the True Distribution of Flotation Rate Constants.” International Journal of Mineral Processing 58(1–4): 145–66. Ruhmer, W. 1991. “Handbook on the Estimation of Metallurgical Process Costs (Mintek Special Publication)-Mintek.” Sepúlveda, Felipe D., Luis A. Cisternas, Maritza A. Elorza, and Edelmira D. Gálvez. 2014. “A Methodology for the Conceptual Design of ConcentrationCircuits: Group Contribution Method.” Computers and Chemical Engineering 63: 173– 83. Sutulov, Alexander. 1963. “Flotacion de Minerales.” Instituto de Investigaciones Tecnológicas. Tatjewski, Piotr. 2008. “Advanced Control and On-Line Process Optimization in Multilayer Structures.” Annual Reviews in Control 32(1): 71–85. Tuteja, R. K., D. J. Spottiswood, and V. N. Misra. 1994. “Mathematical Models of the Column Flotation Process a Review.” Minerals Engineering 7(12): 1459–72. ———. 1995. “Column Parameters: Their Effect on Entrainment in Froth.” Minerals Engineering 8(11): 1359–68. Villeneuve, J., J. C. Guillaneau, and M. V. Durance. 1995. “Flotation Modelling: A Wide Range of Solutions for Solving Industrial Problems.” Minerals Engineering INGLOMAYOR. Section A Volume 18 (2020) Page 53 of 53. ISSN 0719 7578 8(4–5): 409–20. Wills, Barry, and Tim Napier-Munn. 2005. Wills’ Mineral Processing Technology (Seventh Edition) Preface to 7th Edition. Yianatos, J. B., and F. D. Henríquez. 2006. “Short-Cut Method for Flotation Rates Modelling of Industrial Flotation Banks.” Minerals Engineering 19(13): 1336–40.
Compartir