Ahorro energético en procesos de trituración y molienda

Eficiencia energética en procesos de trituración y molienda

La minería es un sector intensivo en el consumo energético. La mitad de los costes directos de explotación se corresponden con los procesos de trituración y molienda. De ahí la importancia en mejorar la eficiencia energética en la molienda de mineral.

En este artículo, se describen algunas de las innovaciones y mejoras para reducir el consumo energético en estos procesos.

Modelado y balance energético del proceso de molienda

El modelo físico de la trituración depende del tipo de molienda y se basa en la obtención de las siguientes ecuaciones:

  • Capacidad de la molienda
  • Potencia mecánica
  • Energía específica

Consumo energético

Indicador de desempeño energético se denomina Índice de Bond y se expresa en  kWh / tonelada. Como es natural, este valor dependerá, básicamente, del tipo de roca mineral y de la tecnología de molienda.

Por consiguiente, el consumo energético específico (W) dependerá del tamaño de grano de producto (d, 80% paso del total) y resultante (D,  80% de paso) y del índice de trabajo o de Bond del mineral (w_{_{i}}, expresado en kWh/t), según la siguiente expresión:

W= 10\cdot w_{i} \cdot \left ( \frac{1}{\sqrt{d}}- \frac{1}{\sqrt{D}}\right )

A modo de referencia, un mineral blando tiene un valor límite para el índice de Bond de 3 kWh/t, mientras que uno duro puede llegar al valor de 18 kWh/t. Por término medio, si se desconoce la caracterización de la roca, se suele considerar un consumo de 5 a 6 kWh/t de mineral.

Mejoras e innovaciones para el ahorro energético

Es importante destacar que el sector de la minería es reacio a introducir nuevas mejoras e innovaciones en sus procesos. Esto se debe al alto coste de inversión en equipos de molienda en concentradoras de mineral.

En una concentradora de mineral se distinguen los siguientes pasos en el proceso de molienda:

  1. Trituración en una o dos etapas (opcional)
  2. Molienda SAG ó HPGR con o sin recirculación
  3. Molienda fina con molinos de bolas o verticales
  4. Separación mineral, por ejemplo, por flotación.

Molinos de Rodillos de Alta presión

La tecnología de molienda ha ido sofisticándose desde los molinos autógenos o semi-autógenos (SAG), hasta la trituración con bolas o los SABC-1 y SABC-2 preferidos por la industria minera hace dos décadas.

En 1982, el Dr. Klaus Schöenert inventa el sistema de molienda por impacto basado en dos rodillos que operan entre sí a alta presión, ó molinos HPGR. Este descubrimiento consistía es reducir el caos de la confrontación de las partículas del mineral durante el proceso de conminución, haciendo que los esfuerzos de presión sean dirigidos y mejorando, en consecuencia, la eficiencia de la molienda.

A modo de ejemplo, es como si los dos rodillos de los que forma el molino funcionasen a modo de un gran “cascanueces”.

Sin embargo, la tecnología HPGR está limitada por el tamaño de la alimentación (50 mm), por lo que necesita una mejor trituración de forma que la alimentación sea más fina. Por su parte, el producto resultante del HPGR tiene un tamaño de grano de 2 a 2,5 micras.

Por ejemplo, el gigante minero Metso ha patentado esta tecnología HPGR bajo las siglas HRC. Casi 40 años más tarde, quieren hacerse con el mercado gracias a su molino HRC3000  cuya capacidad es de 90.000 t/día.

Ventajas del HPGR:

  • Menor consumo energético (hasta un 50% menos)
  • Mayor eficiencia operacional: el flujo volumétrico no depende del tamaño, u otras variables de proceso (presión, velocidad)
  • Aumenta la disponibilidad del revestimiento del molino hasta 10.000h (6.000h para un SAG)
  • Es insensible al stockpile (tamaño grano de alimentación)

Inconvenientes del HPGR:

  • Alto coste de inversión (hasta un 30% más que un SAG)
  • Sensible a la humedad (máximo 7-8%)
  • El tamaño del grano del producto está condicionado por la separación entre rodillos (máximo 2,5 pulgadas)
  • Requiere de una trituración secundaria para que la granulometría de la alimentación sea válida

Inteligencia artificial

Es destacable el empleo de técnicas de machine learning para la optimización del ahorro energético de procesos mediante el tratamiento con algoritmos de grandes volúmenes de datos obtenidos de los OT (SCADA).

Se acompaña una de las soluciones (Optibat Energy) que permite ahorros energéticos de hasta el 4% en molinos verticales de crudo en cementeras mediante el ajuste de algunas variables de operación de la planta.

 

 

 

 

 

Si te gusta, vótalo!
Resultado evaluación
[Total: 0 Average: 0]

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *