Presentación de PowerPoint200.48.195.199/MKTMailing/PDF TALLER GEOMETALURGIA-comprimido.pdf · El...

SELECCIÓN DE MUESTRAS PARA EL ASEGURAMIENTO DE

RESULTADOS DE PRUEBAS METALÚRGICAS Y GEOMETALUGIA

EN MODELO DE BLOQUES

YANN CAMUS

Ingeniero de Recursos Minerales

INTRODUCCIÓN

SGS – SERVICIOS GEOLÓGICOS

6 geólogos, 4 ingenieros, 5 ayudantes

técnicos (15 en total)

Más de 1300 proyectos en más de 40

países

LO QUE SE QUIERE EVITAR

OSISKO 2011

“$32M inversión adicional en CAPEX.

Los molinos de bolas y trituradoras

funcionaron como lo previsto. Sin

embargo, debido a los problemas de

dureza del material en el molino SAG

fue necesario adquirir un circuito de pre-

trituración que se entregaría Q1/12. Esto

cuando OSK incrementara a 60+ ktpd.

Se instaló temporalmente un circuito de

pre-quebrado.”

SUBESTIMAMOS LA

DUREZA Y AHORA TENEMOS QUE

RETRASAR LA

PRODUCCIÓN COMPLETA Y

GASTAR MÁS DINERO...

DE LOS RECURSOS A LA FACTIBILIDAD - IDEALMENTE

CANTIDAD DE DATOS

Muestreo Geoquí

10,000 muestras – 2 kg

Muestras Pequeñas MetalurgiaRepresentan la

variabilidad dentro de los dominios

300 muestras – 8 kg

Muestras Medianas Metalurgia

Representan dominios principales


Muestras Grandes

MetalurgiaRepresentan dominios

principales


Muestras Pequeñas MetalurgiaRepresentan la

variabilidad dentro de los dominios


DE LOS RECURSOS A LA FACTIBILIDAD - IDEALMENTE

CANTIDAD DE DATOS

EL PROCESO

GEOMETALÚRGICO

Etapa 1: Definición de dominios geometalúrgicos

Etapa 2: Selección de muestras

Etapa 3: Pruebas de metalurgia

Etapa 4: Correlaciones de la metalurgia (relajado a

la definición de dominios)

Etapa 5: Distribución de parámetros en el modelo

de bloques

Etapa 6: Optimización del Diseño

Geología

MetalurgiaMina

Etapa 1: Definición de dominios geometalúrgicos

Etapa 2: Selección de muestras

Etapa 3: Pruebas de metalurgia

Etapa 4: Correlaciones de la metalurgia (relajado a

la definición de dominios)

Etapa 5: Distribución de parámetros en el modelo

de bloques

Etapa 6: Optimización del Diseño

Geología

MetalurgiaMina

EL PROCESO

GEOMETALÚRGICO

SELECCIÓN DE MUESTRAS

DESARROLLO

Modelación de bloques

Con tantas variables como sea posible

(Litho, Quí, Met, etc.)

Plan de minas Dominios(Usando Estadísticas,

Boxplots, Scatter, Visual, etc.)

Selección de muestras

Para pruebas Met

¿CÓMO HACER LA SELECCIÓN DE MUESTRAS?

ETAPA 1: DEFINICIÓN DE DOMINIO

¿Cuáles son los parámetros que pueden afectar la flotabilidad de minerales

o molienda de la mena ?

Contenido de Sulfuros / Óxidos

Mineralogía de los Sulfuros / Óxidos

Mineralogía de las alteraciones

El tipo e intensidad de la alteración – p.e. Fe (Fe203 o Fe304)

La ley del mineral

Tamaño de grano

Textura de la roca

CASO DE ESTUDIO:

DEPÓSITO VMS

ETAPA 2: SELECCIÓN DE LAS MUESTRAS

FACTORES EN EL PROCESO DE TOMA

“¿MI GEÓLOGO DE EXPLORACIÓN NO PUEDE

SELECCIONAR LAS MUESTRAS?”

OBJETIVO GENERAL – REGLA MAS IMPORTANTE

REPRESENTATIVIDAD

7 REGLAS DE ORO

PARA SABER SI UNA SELECCIÓN ES BUENA O NO

1. Todos los dominios

2. Dentro del plan de mina

3. Tamaño de muestras razonables

4. Con dilución

5. Muestrear minerales atípicos

6. Proceder en etapas

7. Entre 1 /Mt y 4 /Mt

REGLA 1: CADA DOMINIO DEBE TENER MUESTRAS

PROPORCIONAL

REGLA 2: ESTAR DENTRO DEL PLAN DE MINADO CON

ENFOQUE EN LOS PRIMEROS 5 AÑOS

REGLA 3: LA MUESTRA DE VARIABILIDAD REPRESENTATIVA DE

±UNA SEMANA DE PRODUCCIÓN

REGLA 4: INCORPORAR

DILUCIÓN REALISTA

REGLA 5: VALORES ANÓMALOS

SON IMPORTANTES

REGLA 6: SELECCIONAR MUESTRAS EN ETAPAS

NO DE UN SOLO GOLPE

REGLA 7: CUANTIDAD DE MUESTRAS

DEPENDIENDO DE LA VARIABILIDAD

DISTRIBUIR LOS PARÁMETROS

EN EL MODELO DE BLOQUES

LOS PARÁMETROS

EN EL MODELO DE BLOQUES

CASO DE ÉXITO

PROYECTO DE SULFUROS DE NI + CU + CO + …

Asunto de SGS geo:

Hacer una selección de 20 muestras

Verificar la variabilidad de molienda y flotación

Proyecto:

Tajo abierto “pequeño” con 3 años de producción

La mineralización es 100% sulfuros es de tipos:

Vetas ricas

Textura “en malla”

Diseminado

CASO DE ÉXITO


CASO DE ÉXITO


Diseminado

DiseminadoDiseminado

Diseminado

Textura

“en malla”

Vetas

Roca disponible:

23 pozos (½ núcleo, tamaño NQ, roca fresca de 2019), +/- 860 m mineralizado

Datos:

Base de datos de 187 pozos

Interpretación de la mineralización en 6 zonas

Una de vetas

Una de textura “en malla”

Cuatro de diseminado

+++

CASO DE ÉXITO


CASO DE ÉXITO


1. Todos los dominios: Vetas = 1 muestra

2. Dentro del plan de mina Textura “en mallas” = 8 muestras

3. Tamaño de muestras razonables Diseminado = 11 muestras

4. Con dilución




CASO DE ÉXITO


Textura

“en malla”

(8)

Vetas (1)

Diseminado (11)

CASO DE ÉXITO



2. Dentro del plan de mina: Plan de mina:

3. Tamaño de muestras razonables 3% de Vetas

4. Con dilución 56% de Textura “en malla”

5. Muestrear minerales atípicos 41% de Diseminado



CASO DE ÉXITO




3. Tamaño de muestras razonables: Muestras de +/- 5 m

4. Con dilución Porque los bancos son de 5 m




CASO DE ÉXITO





4. Con dilución: En este proyecto, la dilución

5. Muestrear minerales atípicos en los recursos fue utilizada.

6. Proceder en etapas La dilución minera es de 5%.


CASO DE ÉXITO





4. Con dilución

5. Muestrear minerales atípicos: No minerales atípicos están

6. Proceder en etapas identificados por el momento


CASO DE ÉXITO





4. Con dilución


6. Proceder en etapas: Proceder con 20 muestras permite

7. Entre 1 /Mt y 4 /Mt una primera evaluación de la variabilidad

CASO DE ÉXITO





4. Con dilución



7. Entre 1 /Mt y 4 /Mt: Es un pequeño tajo de 2 Mt de reservas

Necesitamos +/- 20 muestras al mínimo!

CASO DE ÉXITO


Selección propia:

Calculo de todas la muestras posibles que SGS puede recomendar (172)

Base inicial:

SGS hiso una análisis de componentes principales (ACP):

SGS tiene 2 algoritmos para elegir la mejor combinación de muestras “posibles”

que representan de mejor manera la distribución de las reservas:

Calculo de todas las combinaciones posibles

Un algoritmo “greedy” para tener un histograma de muestras similar a las

reservas

1 2 3 4 5 6 7 8 9 10 11 12 13

X Y Z AU_GT CU_PCT MG_PCT NI_PCT PD_GT PT_GT S_PCT FE_PCT FE/MGO NSR

1 2 3 4 5 6 7 8 9 10 11 12 13

PC1 PC2 PC3 PC4 PC5 PC6 PC7 PC8 PC9 PC10 PC11 PC12 PC13

CASO DE ÉXITO


“Posibles”

CASO DE ÉXITO


“Escogidos”

CASO DE ÉXITO


Resultado:

Una distribución casi perfecta de las muestras seleccionadas

Para todas las variables !!!

CASO DE ÉXITO


Reservas

Selección

GEOQUÍMICA Y MINERALOGÍA

COMO HERRAMIENTAS PARA LA COMPRENSIÓN

DE LOS RESULTADOS METALÚRGICOS

REINALDO BARRERA

Gerente Metalurgia SGS

MAURICIO BELMAR

Gerente Geología SGS

Minería actual

Geoquímica y análisis de resultados metalúrgicos

Mineralogía y análisis de resultados metalúrgicos

CONTENIDO

Agotamiento de los yacimientos de alta ley

Aumento en la razón estéril mineral

Uso de Agua de Mar

MINERÍA ACTUAL

Tratamiento x escala

Aumento de inversión capital

Maximizar la eficiencia de los procesos

Aumentar la productividad

GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA

COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS

La buena comprensión de los parámetros geológicos que influyen en las diversas respuestas

metalúrgicas, son clave en la optimización de un proceso metalúrgico.

Problemas del tipo mineralógico

Analizar Componente mineralógica

MAXIMIZAR LOS RENDIMIENTOS METALÚRGICOS



53

Análisis Componente mineralógica

Arcillas

Micas

Liberación

Otra Ganga

Elemento penalty

Tamaño de grano

Pirita

Procesos:

Cu, Au, Zn-Pb, Fe etc.



Los procesos metalúrgicos se pueden ver afectados en las

distintas etapas del proceso, por una componente mineralógica.

como son molienda, flotación, sedimentación, percolación,

clarificación, etc.

COMPONENTE MINERALÓGICA

SGS Minerals recomienda realizar análisis mineralógicos sistemáticos y su posterior testeo en pruebas

metalúrgicas esto tendrá un rol trascendental en la optimización de un proceso y una mayor precisión en las

predicciones de corto y mediano plazo.

SGS Minerals Chile, tiene a disposición un Centro de Mineralogía Avanzada, dotado con:

QEMSCAN/TIMA: Caracterización Mineralógica Cuantitativa y Análisis de Liberación de Partículas,

Asociación y Distribución de tamaños. Análisis de minerales traza.

DIFRACCIÓN DE RAYOS-X: Difracción General, caracterización y especiación de arcillas, barrido DR-X

a fracción < 2 μm.

MINERALOGÍA ÓPTICA: Caracterización Mineralógica a luz reflejada y transmitida. Análisis de

Liberación de Partículas, Asociación y Distribución de tamaños



De igual forma SGS Minerales recomienda el uso de la geoquímica en el análisis, esta podría ser una potente

herramienta para comprender y explicar el comportamiento metalúrgico, en un determinado proceso.

En yacimientos particulares (IOCG), es posible desarrollar de manera exitosa toda la geo metalurgia, basada en

el entendimiento e interpretación de la geoquímica.

SGS Minerals Chile, tiene a disposición un moderno laboratorio químico con los más altos estándares de

calidad, para desarrollar y ejecutar :

PROTOCOLOS DE ANÁLISIS QUÍMICOS

PROTOCOLO DE COBRE SECUENCIAL

FRX

ICP

ETC.



SGS Minerals cuenta con la experiencia en el sector del procesamiento de minerales, aplicando altos

estándares de calidad, sumado a la expertice de sus profesionales pudiendo aportar o solucionar los problemas

en sus operaciones.

FLOTACIÓN

TEST VARIABILIDAD

TEST DE CICLO ABIERTO (TCA)

TEST DE CICLO CERRADO (TCC)

MINI PLANTA PILOTO (10 KG/HR)

PLANTA PILOTO (100KG/HR)

ETC.

LIXIVIACIÓN

TEST DE DIAGNOSTICO

TEST LIXIVIACIÓN EN BOTELLA

TEST LIXIVIACIÓN COLUMNA

ETC.



Debemos comprender que parámetros geológicos influyen en las diversas respuestas metalúrgicas.

Utilizar la mineralización y la

geoquímica

Generar correlaciones

“Para diversos fines”

GEOMETALÚRGIA

La mineralogía o ley de cabeza no basta, el tipo de roca, alteración tendrán efecto en la conminución, la

presencia de arcillas impactará en la lixiviación, flotación, molienda y sedimentación, los carbonatos, las zonas

de baja y alta presencia de pirita también etc.



IMPUT TEST METALÚRGICOS

• Test Flotación

• Test Conminución

• Test sedimentación

• Test lixiviación, etc.

IMPUT DATA GEOLÓGICA

• Modelo geológico

• Base dato leyes

• Alteraciones

• UG, UGM.

IMPUT A. QUÍMICO /MINERALÓGICO

• Análisis químico

• ICP, FRX

• A. Cobre secuencial

• QUEMSCAN, DRX, etc

ANÁLISIS DE DATA

ANÁLISIS MULTIVARIADO,

COMP. PRINCIPALES, REGRESIONES

DIAGRAMA TERNARIO

JUICIO EXPERTO

GENERACIÓN DE MODELO

FENOMENOLÓGICOBasados en la información de

mineralización.

GENERACION DE MODELO

GEOQUÍMICOBasados en la información de cobre

secuencial y análisis químico.

HERRAMIENTAS PARA EL

ANALISIS DE TEST

METALÚRGICOS.

RESULTADO



ALGORITMO

Recuperación Global = Rmax. - Eficiencia Cleaner

Extraer eficiencia cleaner desde

los test TCC,

para cada UGM

Por rango de leyes etc .

Recuperación rougher

Regresiónes desde los test de variabilidad

Uso de sofotware

Juicio experto

REGRESIONES CON TEST ROUGHER (test variabilidad) Obtener la mayor correlación (Rcuad) .

Tipo de curva

Se debe aplicar un límite de recuperación superior adecuado a las funciones de recuperación

Testear extremo inferior y verificar en que valor se vuelve inválida.

Ajuste de recuperación según eficiencias etapas cleaner

RESULTADO



GENERAR DATA ANALÍTICA /COBRE SECUENCIAL

El análisis secuencial de cobre, se utiliza como herramienta de diagnóstico para ayudar a

definir la “mineralogía de cobre potencial”.

El proceso de tres pasos, implica lo siguiente:

1. Digestión con ácido sulfúrico para reportar cobre soluble en ácido (CuAS)

2. Digestión con cianuro para reportar cobre soluble en cianuro (CuCN)

3. Agua regia o digestión de cuatro ácidos para reportar el cobre residual (CuR).

Lixiviación secuencial:

CuAS /CuH+ → Atacamite y Chrysocolla, Brocantita

CuCN → Bornita y Chalcocite, covellite, Enargite

CuR /CuRES → Calcopyrite, (en ocaciones tb

Cu_refractarios)

GEOQUÍMICA Y ANÁLISIS

DE RESULTADOS METALÚRGICOS

Para asignar los tipos de mineralización dominantes, estos se representan con la proporción de CuAS (PR_AS), CuCN

(PR_CN) y CuR (PR_R).

UGM

OXIDO Cu_H+ (RS>60)

Mixto Cu_CN

BnCc –HiS %S >=0,5

BnCc –LoSBncc-CpCp_LpyCp_Hpy

% S < 0,5

%Cu/%S>=0,4%Cu/%S < 0,4

Ejemplo en las zona

primario :

Cp Low pyrite

Cp-Py High pyrite

Cu Soluble Ejemplo en las zona secundarios:

Bn-Cc alto azufre

Bn-Cc bajo azufre



INTERPRETACIÓN DE RESULTADO DESARROLLAR DIAGRAMA TERNARIO

Oxido Mixto Mezcla Sulfuro

Óxido

Refractario

Cu H+ 70% 30% 15% 15% 30%

Cu CN 20% 50% 40% 20% 5%

Cu Res 10% 20% 45% 65% 65%

0%

20%

40%

60%

80%

Oxido Mixto Mezcla Sulfuro OxidoRefractario

Cobre Secuencial

Cu H+ Cu CN Cu Res

INTERPRETACIÓN DE RESULTADO /EJEMPLO COBRE SECUENCIAL

Muestras con el mismo nivel de cobre residual (cobre insoluble) pueden corresponder a tipos de minerales

distintos y por lo tanto tendrán una respuesta metalúrgica diferente a un proceso.

Óxido

Sulfuro

¡Dos muestras pueden tener

mismo cobre residual pero

pueden corresponder a

distintos tipos de minerales!



Muestras de tipo óxido

Muestras de tipo Mixtos

Muestras de tipo Sulfuro

DISTRIBUCIÓN DE MUESTRAS EN DIAGRAMA TERNIARIO

Como esperamos que sean las recuperaciones ?

CASO 1 GEOQUÍMICA Y ANÁLISIS DE RESULTADOS METALÚRGICOS

¡ Muestras en zona primaria, a mayor residual mayor recuperación !

Recup

Ro

M1 88

M2 93

M3 95



0.0

10.0

20.0

30.0

40.0

50.0

60.0

70.0

80.0

90.0

100.0

% R

ecupera

ció

n

Cu

Recuperación Rougher para Muestras Mixtos y Sulfuros

% Recup Cu

% Recup. Cu Ro = Rmax Cu = 113,85 - 137,6 *(CuH+/CuT) - CuRes+ 31,5 CuCN

R cuad = 0,956

Recuperación

Ro 12 min CuT CuH+ CuCN CuRES RS

92,78 0,39 0,03 0,05 0,30 0,08

94,94 0,48 0,02 0,04 0,42 0,04

92,28 0,54 0,05 0,10 0,39 0,10

94,82 0,37 0,07 0,09 0,21 0,18

88,00 0,41 0,07 0,11 0,24 0,16

90,92 0,28 0,05 0,07 0,17 0,16

92,59 0,42 0,03 0,05 0,34 0,07

91,95 0,28 0,05 0,07 0,17 0,16

94,63 0,48 0,03 0,05 0,39 0,06

95,11 0,51 0,04 0,07 0,41 0,07

74,00 0,36 0,12 0,17 0,06 0,34

60,44 0,31 0,11 0,12 0,08 0,34

48,71 0,54 0,29 0,17 0,08 0,53

31,78 0,56 0,30 0,12 0,15 0,53

40,74 0,40 0,23 0,07 0,10 0,59

45,77 0,39 0,19 0,06 0,14 0,49

57,50 0,33 0,13 0,16 0,04 0,41

51,69 1,50 0,69 0,42 0,38 0,46

43,89 0,20 0,10 0,07 0,04 0,47

Muestras Mixtos

GENERACIÓN DATA ANALÍTICA

TEST FLOTACIÓNGENERACIÓN DE CORRELACIONES

COMPRENSIÓN DE LOS RESULTADOS

APLICABILIDAD GEOQUÍMICA Y

ANÁLISIS DE RESULTADOS METALÚRGICOS

y = 0.738x + 23.69R² = 0.5162

0

20

40

60

80

100

120

0 20 40 60 80 100 120

Rec

up

. Mo

del

o

Recup calculado (prueba)

Recup. Con Modelo Corregido

_Recup Cu . 𝑪𝒑𝒚 𝑳𝒐𝑺 = 𝒂 ∗ 𝑳𝒏 (𝑪𝒖𝑻𝒑𝒄𝒕) + 𝒃 ∗ (CuT_pct /S) +c - 2,5

dominio Calcopirita Pérdida de recuperación

en etapas cleaner

Ejemplo recuperación global, con dependencia de ley de cabeza y cobre soluble

APLICABILIDAD GEOQUÍMICA Y


0

20

40

60

80

100

% R

ecu

p. S

RECUPERACIÓN DE S POR MUESTRA

recuperación de S

¿Qué paso?

Cliente

• ¿Pruebas mal ejecutadas?

• ¿Análisis químicos?

• ¿Efecto de las muestras?

• Etc.

CASO APLICACIÓN / PRUEBAS DE FLOTACIÓN

Resultados de flotación con alta variabilidad de recuperación, sin comprender el porqué.

MINERALOGÍA Y


ANÁLISIS DE JUICIO EXPERTO

0.0

0.5

1.0

1.5

2.0

2.5

3.0

0

20

40

60

80

100

% P

y

% R

ecu

p. S

% Pirita y Recuperación de S por muestra

Pirita recuperación de S

Las muestras presentan alta variabilidad en sus contenidos de pirita

Altos contenidos de arcillas

Altos contenido de micas

Las recuperación de S Total. como indicador de recuperación de sulfuros primarios (Py, Cpy) no es el mejor indicador.

Para algunos casos la baja recuperación se debe por el aumento significativo de kaolinita, micas y alunita, prevaleciendo

su efecto sobre la recuperación.

R² = 0.8417

0.00.20.40.60.81.01.21.41.61.82.0

0.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00

% S

% Alunita

S v/s Alunite

CASO 2 MINERALOGIA Y ANÁLISIS DE RESULTADOS METALÚRGICOS MINERALOGÍA Y


0

20

40

60

80

100

% R

ecu

pe

raci

ón

de

S

Recuperación de S v/s Test

Recup S_f(mineralogía) Recup S_ Test

↑ Recup. “S” ↓ Recup. “S”

pyrite Alunite

Chalcopyrite Muscovite/Sericite

Orthoclase Kaolinite/Clays

Quartz

La recuperación de S se ve mayormente

afectada cuando aumenta la presencia

de alunite, Muscovita/sericite y Kaolinite

Es posible comprender las diversas recuperaciones de “ S”

Podemos estimar que componente es la que mas afecta en la recuperación

A través de las variables del algoritmo y pueden explicar en un 77,8% el resultado obtenido.

R-cuad =77,75%

Ecuación de regresión

= 55,4 - 3,51 Alunite - 0,578 Kaolinite - 0,479 Muscovite/Sericite

+ 0,124 Orthoclase - 0,211 Quartz + 22,76 Pirita + 92,8 Chalcopyrite

% Recuperación S

CASO 2 MINERALOGÍA – MODELOS PREDICTIVOS

REGRESIÓN LINEAL / ENTENDIENDO LAS VARIABLES QUE AFECTAN LA RECUPERACIÓN

MINERALOGÍA Y


ARCILLAS

¡El problema!

Hidrobóficas

(flotan por si solas)

Hidrofílicas

(por arraste)

Las Micas están afectando, interfiriendo fuertemente en los primeros minutos sobre la recuperación de sulfuros.

MINERALOGÍA Y


0

10

20

30

40

50

60

70

80

90

100

R1 R10 R13 R16 R21 R22 R23 R24

Rec

up

erac

ión

acu

mu

lad

a

Recuperación Cu, Fe, S, Co

Cu Fe S Co

+ 50 ptos %

Se realiza ajuste en la receta (misma muestra)

-

PRUEBA DE FLOTACIÓN

Analizando y entendiendo la información fue posible corregir la formulación según las características mineralógicas

de las muestras, con lo cual el comportamiento del proceso de flotación mejoró significativamente (ver gráfico)

<<<

+

MINERALOGÍA Y


APLICACIÓN/ CONCENTRADOS

Regr 6 Ecuación de regresión 3 : Rcuad 76%

Ecuación de regresión 3 : Rcuad 66 % Conc.Cu =a-b*exp(-c*y)+d*x-e*w

a 1,633

b 6,7 Y= % pirita

c 0,4798 x= % Cu

d 5,042 w= % Sericita /Mosc.

e 0,1

Regr 1 Ecuación de regresión 1 : Rcuad 62 %

8,150 + 1,7608 Calcopirita + 5,196 Bornita - 0,3369 Pirita

- 0,1758 % Sericita-Moscovita BM

Quim Conc. =

MINERALOGÍA Y


0.00

10.00

20.00

30.00

40.00

50.00

60.00

70.00

80.00

LED 0046MIX

LED 0050MIX

LED 0056MIX

LED 0058MIX

LED 0081MIX

LED 0086MIX

LED 0099MIX

LED 0108MIX

% E

xtr

acció

n d

e C

u

Extracción de Cu para Muestras tipo Mixtos

Recuperación Test Recuperación Modelo

% Recup. Cu = 6,2 – 37,1*Covellite + 79,2 Chalcocite+ 7,8 LimoniteCu +0,713 Cus/CuT

Ejemplo: Pruebas Lix.

Rcuad= 0,799

0.00

10.00

20.00

30.00

40.00

50.00

60.00

70.00

80.00

LED 0046Mix

LED 0054Mix

LED0081Mix

LED0086Mix

LED0056Mix

LED0108Mix

LED0099Mix

LED0058Mix

LED0050Mix

% R

ecu

per

ació

n d

e C

u

Recuperación de Cu para Muerstras tipo Mixtos

Recup Experimental Recup- Modelo

Recuperación Cu Ro 12 min =104,3 - 120,7 RS + 13,4 CuCN

Modelo → Mineralogía Modelo → Cu Secuencial

Ejemplo: Flotación

¿El MODELO DEPENDERÁ DEL PROCESO?

MINERALOGÍA Y


USO DE LA GEOMETALURGIA EN EL DISEÑO DE

PLANTA DE BENEFICIO

Rodrigo R Carneiro, MS, PE, QP

Global Senior Technical

Specialist

USO DE LA GEOMETALURGIA PARA EL

DISEÑO DE PLANTA

Selección de una serie de muestras

geológicamente informada

Determinación de la repuesta

metalúrgica para esas muestras,

Uso de la geoestadísticas para distribuir

el comportamiento metalúrgico de las

muestras a través del cuerpo del

mineralizado del deposito

Utilizamos el simulador de procesos IGS

y los datos distribuidos del

comportamiento metalúrgico para el

diseño de la planta y el pronóstico de

producción

El análisis geoestadístico es una

herramienta que nos permite estimar los

riesgos en el diseño obtenido

El enfoque geometalurgico utiliza un procedimiento de diseño adecuado a un cuerpo

mineralizado que se describe mediante un análisis geoestadístico de un razonablemente

La Geometalurgia

Gerencia Los Riesgos en el Diseño de Planta

SELECCIÓN DE UNA SERIE DE MUESTRAS

GEOLÓGICAMENTE INFORMADA

Minerals Flotation Test

(MFT)

Dureza

Dureza

Muestras de Sondaje Respuesta Metalúrgica

RMAX

KAVG

ALPHA

BOND BALL MILL TEST

(BWI)

SAG POWER INDEX TEST

(SPI)

DETERMINACIÓN DE LA RESPUESTA

METALÚRGICA PARA ESAS MUESTRAS

SPI

Wi

SPI

Wi

SPI

Wi

SPI

Wi

SPI

Wi

SPI

Wi

SPI

Wi

SPI

Wi

SPI

Wi

SPI

Wi

SPI

Wi

SPI

Wi

SPI

Wi

SPI

Wi

SPI

Wi

SPI

Wi

SPI

Wi

SPI

WiSPI

Wi

USO DE LA GEOESTADÍSTICAS PARA DISTRIBUIR EL COMPORTAMIENTO

METALÚRGICO DE LAS MUESTRAS EN EL MODELO DE BOQUE

UTILIZAMOS LOS DATOS DISTRIBUIDOS EN EL MODELOS METALÚRGICOS

PARA EL DISEÑO DE PLANTA, OPTIMIZACIÓN Y PRONÓSTICO DE PRODUCCIÓN

90

100

110

120

130

140

150

160

170

Year 1 Year 2 Year 3 Year 4 Year 5 Year 6 Year 7

Target tph

Best est tph

10% risk

USO DE LA GEOESTADÍSTICA PARA ESTIMAR LOS

RIESGOS EN EL DISEÑO DE PLANTA

RIESGOS QUE IMPACTAN EN EL

DISEÑO DE PLANTA

Variabilidad del cuerpo mineralizado (Ley, Dureza,

Respuesta al proceso).

Variabilidad de la repuesta metalúrgica a través del

cuerpo mineralizado del depósito.

Datos insuficientes para estimar valores en el espacio

entre muestras.

Imprecisión de los modelos metalúrgicos tradicionales

para el diseño de planta.

PROYECTO POLIMETÁLICO EN MÉXICO (CU, AG Y ZN)

DISEÑO CONCEPTUAL DEL CIRCUITO DE FLOTACIÓN

CASO DE ESTUDIO

El cliente solicitó un diseño conceptual del circuito de flotación para recuperar cobre y zinc, también especificó que las opciones de diseños de la planta se realizara en base a los siguiente:

ALCANCE DEL

DISEÑO CONCEPTUAL

Procesar 680 t/h (15,000 t/d, asumiendo una disponibilidad del 92%).

El producto de la molienda primaria a 80% menos 119 micrones.

Optimizar el diseño de planta en base los siguientes contratos de fundición:

Ingreso por venta del concentrado de Cu = masa * ((Cu-1) / 100 * 6000 - 250)

Ingreso por venta del concentrado de Zn = masa * ((Zn-2) / 100 * 3000 - 250)

El precio del metal de cobre de $ 6000 / tonelada métrica.

El precio del metal de zinc de $ 3000 / tonelada métrica.

Los costos de envío de $ 250 / tonelada métrica.

Muestra Litología Nivel

Peso de Muestra Intervalo Cu

(%)

Ag

(g/t)

Pb (%) Zn (%)

(kg) (%) (m) (%)

X1 BxA Brecha A Superior 960.61 24.12 257.80 19.68 0.18 25.8 0.34 2.26

X2 BxA Brecha A Medio 1625.51 40.81 549.15 41.93 0.74 22.1 0.05 3.65

X3 BxA Brecha A Inferior 677.58 17.02 282.80 21.59 0.93 22.5 0.04 3.51

X4 Skn Skarn Superior 138.59 3.48 33.15 2.53 0.13 25.2 0.21 1.39

X5 Skn Skarn Medio 190.38 4.78 53.10 4.05 0.59 23.5 0.03 1.30

X6 Skn Skarn Inferior 9.00 0.23 5.50 0.42

X7 Hf Hornfell Superior 7.32 0.18 1.30 0.10

X8 Hf Hornfell Medio 15.78 0.40 6.10 0.47

X9 Hf Hornfell Inferior 11.38 0.29 4.50 0.34

X10 BxB Brecha B Superior 33.42 0.84 9.30 0.71

X11 BxB Brecha B Medio 27.04 0.68 8.85 0.68 1.27 28.2 0.02 1.52

X12 BxB Brecha B Inferior 101.19 2.54 29.95 2.29 0.34 11.3 0.03 1.24

X13 M Manto Superior 46.37 1.16 11.35 0.87 1.26 42.8 0.09 16.67

X14 M Manto Medio 50.78 1.28 12.45 0.95 2.82 49.7 0.06 10.99

X15 M Manto Inferior 18.52 0.47 10.05 0.77 1.59 53.4 3.60 11.14

X16 Mb Marmol Superior 10.24 0.26 5.60 0.43

X17 Mb Marmol Inferior 58.25 1.46 28.75 2.20 0.27 11.3 0.16 2.30

Total 3981.96 100.00 1309.70 100.00

DISEÑO CONCEPTUAL DEL CIRCUITO DE FLOTACIÓN-MUESTRAS

DE SONDAJES PARA EVALUACIÓN METALÚRGICA


CIRCUITO 1: CASO BASE

Muestr

a

(%)

Deposito

Alimentacion

Etapa del

Proceso

Concentrado

Cu (%) Zn (%)Ag

(g/t)Pb (%)

Recuperacion de

Masa (%)% Cu

Recuperacion Cu

(%)% Zn

Recuperacion Zn

(%)Ag (g/t)

Recuperacion Ag

(%)

Ingreso

US$/hora

X1 24.66 0.18 2.26 25.80 0.34

Circuito Cu 0.58 12.4 40.7 6.1 1.6 2572 57.6 1,698

Circuito Zn 3.06 1.3 22.2 55.8 75.9 104 12.3 28,434

Total 3.64 3.0 62.9 48.0 77.4 494 69.9 30,132

X2 41.73 0.74 3.65 22.10 0.05

Circuito Cu 1.73 26.9 62.9 13.6 6.5 552 43.4 15,403

Circuito Zn 5.86 2.2 17.3 52.0 83.6 48 12.6 49,832

Total 7.59 7.8 80.2 43.3 90.1 163 56.0 65,235

X3 17.40 0.93 3.51 22.50 0.04

Circuito Cu 2.75 24.5 72.4 14.0 11.0 430 52.6 21,666

Circuito Zn 6.10 2.1 13.8 48.3 83.9 60 16.2 47,310

Total 8.85 9.0 86.2 37.7 94.8 175 68.8 68,976

X4 3.56 0.13 1.39 25.20 0.21

Circuito Cu 0.43 9.1 29.8 6.8 2.1 3129 52.9 827

Circuito Zn 1.95 2.0 29.4 53.6 75.1 83 6.4 17,201

Total 2.38 3.2 59.2 45.2 77.3 631 59.4 18,028

X5 4.89 0.59 1.30 23.50 0.03

Circuito Cu 1.33 27.9 63.0 7.2 7.3 858 48.4 12,303

Circuito Zn 2.24 7.5 28.5 47.8 82.2 231 22.0 17,093

Total 3.56 15.1 91.5 32.7 89.5 465 70.5 29,397

X11 0.70 1.27 1.52 28.20 0.02

Circuito Cu 3.04 32.1 77.2 8.0 16.0 448 48.4 33,408

Circuito Zn 2.15 5.4 9.1 50.0 70.9 176 13.4 17,418

Total 5.19 21.0 86.3 25.4 86.8 336 61.5 50,827

X12 2.60 0.34 1.24 11.30 0.03

Circuito Cu 0.98 23.0 65.5 4.5 3.6 474 40.8 7,095

Circuito Zn 2.16 3.6 22.8 51.4 89.3 104 19.8 18,085

Total 3.13 9.7 88.3 36.8 92.8 219 60.6 25,179

X13 1.19 1.26 16.67 42.80 0.09

Circuito Cu 2.85 25.6 58.3 9.0 1.5 492 32.8 23,817

Circuito Zn 23.80 1.3 25.0 55.4 79.2 52 28.9 218,985

Total 26.65 3.9 83.2 50.5 80.7 99 61.7 242,802

X14 1.31 2.82 10.99 49.70 0.06

Circuito Cu 9.25 18.0 59.0 32.0 26.9 201 37.5 48,441

Circuito Zn 14.97 3.6 18.9 43.0 58.5 91 27.3 99,661

Total 24.22 9.1 78.0 38.8 85.5 133 64.8 148,102

X15 0.48 1.59 11.14 53.40 3.60

Circuito Cu 6.72 10.8 45.7 15.2 9.2 251 31.5 15,500

Circuito Zn 19.54 2.2 27.5 45.0 78.9 57 20.7 138,049

Total 26.26 4.4 73.2 37.3 88.0 106 52.2 153,549

X17 1.49 0.27 2.30 11.30 0.16

Circuito Cu 0.66 19.2 46.3 6.7 1.9 622 36.3 3,782

Circuito Zn 4.07 1.3 18.8 52.1 92.4 39 13.9 34,670

Total 4.73 3.8 65.1 45.8 94.3 120 50.3 38,451

Total 100 0.60 4.43 25.70 1.04

Circuito Cu 1.67 23.8 63.2 13.8 7.0 690 48.8 12,712

Circuito Zn 5.14 2.2 17.7 51.5 80.8 66 14.3 43,161

Total 6.81 80.9 87.9 63.1 55,873



SIMULADOR IGS PARA OPTIMIZAR EL PROCESO

Se simularon ocho (8) configuraciones en el circuito de flotación utilizando la Muestra X2, ésta muestrarepresenta el 42% del cuerpo de mineral con leyes de cabeza cercanos al promedio ponderado, para asíinvestigar la posibilidad de mejorar los resultados. Las similitudes y diferencias se pueden observar en lassiguientes láminas.



Observación: Éste diagrama de flotación fue utilizado para realizar las pruebas de flotación en circuito cerrado

DIAGRAMA DE FLOTACIÓN 1

CONFIGURACIÓN SUMINISTRADA POR EL CLIENTE

Observación: Las dos celdas de flotación mecánicas de la 2da etapa de limpieza (Cu y Zn) fueron remplazadas por una celdade flotación de cuatro (4) metros de diámetros.


Observación: Se eliminó las celdas de flotación de limpieza agotativa (Cu Cleaner Scavenger y Zn Cleaner Scavenger) existenteen diagrama de flotación 2.


Observación: Se eliminó una etapa de limpieza para el zinc y en la etapa restante se aumentó el volumen de 2 a 4 x 8.5 m3.


Observación: Se eliminó la etapa de limpieza de zinc y se remplazó por 4 x 8.5 m3 celdas de limpieza agotativa (cleaner-scavenger) que procesa las colas de la celda de columna. Las colas de limpieza agotativa se reciclaron a la 2da rougher.El concentrado de las Rougher 1 y 2 se combinó para alimentar la celda de columna.


Observación: Se combinaron los concentrados rougher 1, 2 y scavenger para alimentar la columna de limpieza, también seaumentó el volumen de 2 a 3 x 8.5 m3.


Observación: Se combinaron los concentrados de zinc de la 2da rougher y scavenger para alimentar la etapa de limpieza de zinc.


Observación: Se combinaron los concentrados scavenger de zinc y las colas de limpieza para alimentar la flotación rougher.


Configuración

No.Etapa del Proceso

Concentrado

Recuperación de Masa

(%)

Cu Zn AgIngreso US$

Ley Recuperación Ley Recuperación Ley Recuperación

1

Circuito Cu 11.8 26.9 62.9 13.6 6.5 552.3 43.4 15,403

Circuito Zn 39.8 2.2 46.6 52.0 83.6 47.6 22.3 49,832

Total 51.6 80.2 90.1 56.0 65,235

2

Circuito Cu 9.5 30.7 57.8 11.8 4.5 632.0 40.0 14,573

Circuito Zn 39.2 2.5 45.6 53.7 89.0 49.0 21.4 50,997

Total 48.7 77.1 89.5 52.8 65,570

3

Circuito Cu 8.7 34.3 59.2 8.6 3.0 690.3 40.0 15,240

Circuito Zn 39.4 2.4 45.1 54.3 86.3 47.6 20.8 51,972

Total 48.1 77.6 89.3 52.5 67,211

4

Circuito Cu 8.8 34.3 60.1 8.7 3.1 683.9 40.3 15,469

Circuito Zn 40.4 2.3 46.9 53.1 86.6 50.1 22.6 51,862

Total 49.2 78.8 89.7 53.8 67,330

5

Circuito Cu 8.9 34.2 60.3 8.8 3.2 682.2 40.4 15,493

Circuito Zn 41.2 2.3 48.2 51.9 86.3 52.2 24.0 51,396

Total 50.1 79.4 89.4 54.7 66,889

6

Circuito Cu 8.9 34.2 60.3 8.8 3.2 682.2 40.4 15,514

Circuito Zn 40.8 2.3 46.6 52.3 85.9 49.4 22.5 51,276

Total 49.7 78.8 89.1 53.8 66,791

7

Circuito Cu 8.7 34.4 59.0 8.6 3.0 683.4 39.4 15,179

Circuito Zn 40.2 2.3 45.5 53.4 86.4 48.3 21.3 51,823

Total 48.8 77.7 89.4 52.3 67,003

8

Circuito Cu 8.9 34.3 60.2 8.7 3.1 683.4 40.3 15,485

Circuito Zn 40.1 2.3 46.7 53.4 86.4 49.9 22.3 51,834

Total 49.0 78.8 89.5 53.7 67,319

RESULTADOS COMPARATIVOS PARA LA MUESTRA X2 UTILIZANDO

OCHO DIAGRAMAS DE FLOTACIÓN (RESUMEN DE RESULTADOS)

EL USO DE LA GEOMETALURGIA PERMITE

MINIMIZAR LOS RIESGOS EN EL DISEÑO DE PLANTAS

ESTOS SON ALGUNOS EJEMPLOS DE PLANTAS QUE NO FUERON DISEÑADAS CORRECTAMENTE Y QUE

PUDIERON HABERSE BENEFICIADO DE UN ESTUDIO DE GEOMETALURGIA EN SU DISEÑO

OSISKO 2011, CANADIAN MALARTIC GOLD MINE, CANADÁ

Durante la producción inicial 32 millones de dólares adicionales de inversión de capital debido a problemas en el circuito demolienda de mineral. La chancadora y los molinos de bolas funcionan según lo planeado, pero los problemas de elasticidad delmineral en el molino SAG han requerido la compra de un circuito de pre-chancado con entrega prevista en el Q1/12, en esemomento OSK esperaba procesar más de 60,000 t/d.

En el ínterin se instaló un circuito de pre-chancado temporal hasta recibir e instalar el circuito de pre-chancado definitivo.

HTTPS://WWW.NASDAQ.COM/ARTICLE/ANALYST-ACTIONS-OSISKO-MINING-TARGET-CUT-AT-CREDIT-SUISSE-CM90281

Pueden conseguir más detalles en esta pagina web:

Durante el arranque de planta, se presentaron algunos problemas en el circuito de molienda y estos fueron resueltos. El problema se debió a la presencia mineral muy duro que no estaba previsto y dificultaba lograr el rendimiento de diseño para alcanzar la producción de cobre.

HTTPS://WWW.ASX.COM.AU/ASXPDF/20141023/PDF/42T46B7YZMV8TT.PDF#PAGE=16

GLENCORE 2014, MUMI COPPER MINE, REPÚBLICA DEMOCRÁTICA DEL CONGO


Durante la etapa de puesta en marcha la planta no pudo alcanzar la capacidad de diseño, la gerencia de la empresa realizo:

ORSU 2008, VARVARINSKOYE COPPER-GOLD MINE, KAZAKHSTAN

Contratado consultores de molienda para ayudar a resolver problemas de molienda.

Enviaron muestras de mineral de alimentación a laboratorios en Kazajstán y Australia para realizar pruebas de dureza y molienda.

Instalaron motores más grandes en las bombas dentro de los circuitos de flotación y lixiviación.

La instalación de variadores de frecuencia mejoraron la operabilidad de los circuitos de flotación y lixiviación.

Adquisición de bolas de molienda de mayor calidad.

Modificaron el sistema de clasificación (ciclones) para reducir la carga circulante y aumentar el rendimiento.

Adquisición de equipos adicionales, tales como bombas dosificadoras de reactivos y medidores de densidad, logrando mejorar el

funcionamiento de los circuitos de flotación y lixiviación.

HTTPS://WWW.SILICONINVESTOR.COM/READMSGS.ASPX?SUBJECTID=57070&MSGNUM=24547&BATCHSIZE=10&BATCHTYPE=PREVIOUS

Después de varios meses después, se logró alcanzar la capacidad de diseño de la planta.


A MULTIDISCIPLINARY APPROACH TO THE OPTIMISATION

AND CONTROL OF A COPPER-ZINC GRINDING AND FLOTATION

CIRCUIT

DAVID HATTON

Geometallurgy Group Leader

Economic Optimisation Case Study

Overview of IGS – software used for performing the case study

Additional Case Studies

PRESENTATION OVERVIEW

Do not use more text than necessary.

Use images in high resolution.

Do not use more text than necessary.

Use images in high resolution.

ÇAYELI - FIRST QUANTUM

Difficulty of separation

• Chalcopyrite disease

• Bornite activation of zinc

Highly variable ore

• Copper grades from 2% to 3%

• Zinc grades from 2% to 10%

Low and variable recoveries

• 70% to 85% copper recovery

• 60% to 70% zinc recovery

106

THE PROBLEM

ROM STOCKPILE

MANAGEMENT

Spec

Non-spec

Bornite Yellow Ore (BYO)

Bornite Clastic Ore (BCO)

PROCESSING PLANT

SOLUTION

INTEGRATED OPTIMISATION STRATEGY

110

Cu Rougher Cu Rougher Scavenger

Cu Rougher

Columns

Spec Cu

Concentrate

Cu Rougher Cleaners

Cu Column Scavenger

Cu Cleaner 1

Cu Cleaner

Columns

Cu Regrind Mill

Off Spec Cu

Concentrate

Zn Circuit

Feed

COPPER FLOTATION

111

Zn Rougher

Zn 1st

Cleaner

Column

Zn Final

Concentrate

Zn Cleaner 1

Zn Column Scavenger

Zn 2nd

Cleaner

Column

Final Tails

Final Tails

Zn Circuit

Feed

ZINC FLOTATION

MODELLING METHODOLOGY

SEPARATION OF ORE AND MACHINE

PROPERTIES

ORE

MACHINE

THE MFT

Mineral Flotation Test (developed by Minnovex in 2001)

Flotation kinetics in the pulp calculated directly

Independent of the operator

Calibrate to survey data

Calibrate to survey data

SURVEY RESULT MODELLED

24.0

24.5

25.0

25.5

26.0

26.5

27.0

80 81 82 83 84 85

Co

pp

er

Gra

de

Copper Recovery

Constant cleaner Constant column Optimised

ADJUSTMENT OF CIRCUIT OPERATION

IGS SIMULATION RESULTS

OPTIMISED CURVE

Resultant Zinc

recovery

COPPER GRADE RECOVERY

Copper and Zinc concentrate

values added for combined

concentrate value

ZINC IN THE COPPER CIRCUIT

CONCENTRATE

ECONOMIC OPTIMISATION

$20,700

$20,800

$20,900

$21,000

$21,100

$21,200

$21,300

$21,400

0

5

10

15

20

25

30

90 91 92 93 94 95 96

Copper Grade

Zinc Grade

Zinc Recovery

S1 Cu

S1 Zn Grade

S1 Zn Recovery

$/hour

S1 $/hour

$24,500

$25,000

$25,500

$26,000

$26,500

$27,000

$27,500

$28,000

10

12

14

16

18

20

22

24

26

28

30

50 60 70 80 90

Copper Grade

Zinc Grade

Zinc Recovery

S2 Cu

S2 Zn Grade

S2 Zn Recovery

$/hour

S2 $/hour

$20,300

$20,400

$20,500

$20,600

$20,700

$20,800

$20,900

$21,000

$21,100

0

5

10

15

20

25

30

74 79 84 89

Copper Grade

Zinc Grade

Zinc Recovery

S5 Cu

S5 Zn Grade

S5 Zn Recovery

$/hour

S5 $/hour$22,400

$22,600

$22,800

$23,000

$23,200

$23,400

$23,600

$23,800

$24,000

$24,200

$24,400

$24,600

10

12

14

16

18

20

22

24

26

28

30

40 50 60 70 80

Co

nce

ntr

ate

Val

ue

Copper Recovery in Copper Circuit

Copper Grade

Zinc Grade

Zinc Recovery

S4 Cu

S4 Zn Grade

S4 Zn Recovery

$/hour

S4 $/hour

IMPLEMENTATION OF OPTIMISED STRATEGY:

ADVANCED CONTROL EXPERT SYSTEM

Copper circuit Results:

Zinc Circuit Results:

RECOVERY HEAD GRADE CONCENTRATE GRADE

ONLINE 55.3 % 3.45% 46.8%

OFFLINE 54.3% 3.80% 47.4%

DIFFERENCE 1.0% -0.35% -0.61%

Adjusted Difference 3.5%

RECOVERYHEAD

GRADE

CONCENTRATE

GRADEZn:Cu Ratio

ONLINE 80.1 % 2.46% 19.03% 1.41

OFFLINE 78.4% 2.58% 18.84% 1.63

DIFFERENCE 1.71% - 0.19% 0.19% -0.22

Adjusted Difference 0.9%

RESULTS

Courier sample bias – 2.4% zinc

recovery

Column froth washing – 1%

copper concentrate grade

Courier sample return lines - 0.4%

copper recovery

CIRCUIT TROUBLESHOOTING

THE TEAM

THE INTEGRATED GEOMETALLURGICAL SOFTWARE (IGS)

WHAT ELSE CAN IT DO?

SIMULATION

Set up a circuit

Input the feed kinetics – extracted from MFT

Single sample

Multiple samples

Full block model

Samples/blocks can be linked to their output from the comminution simulation

TPH and P80

Simulate or Forecast

OPTIMISATION

Allows apples to apples comparison

Flotation unit operation is allowed to vary within a specified range

Typically this mimics the range an operator can manipulate the air and the level in a cell or

bank

Response of attached and entrained recovery simulated

Simulator is set a target

Maximise recovery at target grade

Maximum grade recovery curve

Maximise concentrate value – economic optimisation

Optimisations are performed simultaneously per block or sample

BENCHMARKING

Automated routine for model fitting to test data

Batch tests

Open Circuit cleaner tests

Lock cycle tests

Pilot plant runs

Plant survey results

Model parameters are adjusted so that the simulated results match the measured data

Regrind or reagent addition

Mineral kinetics are modified to fit measured results

Flotation banks and columns

Froth recovery, water recovery, degree of entrainment, wash efficiency

ADDITIONAL CASE STUDIES

PLANT DESIGN

Production forecasting

Economic evaluation of rougher bank sizing

Circuit layout and economic optimisation

Risk evaluation

FLOTATION PLANT CIRCUIT MODEL IN IGS

LOCATIONS OF SELECTED DRILL CORE SAMPLES

RESULTS POPULATED ON THE BLOCK MODEL

Precision of a model was typically 1% abs. for both conc. grade and recovery on a monthly basis

PRODUCTION FORECASTING

ROUGHER CELL SIZING

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0 10 20 30 40 50 60 70

Co

pp

er

Re

cov

ery

fo

r A

dd

itio

na

l R

esi

de

nce

tim

e (

% /

min

)

Nominal Residence Time (min)

ROUGHER CELL SIZING

0

10

20

30

40

50

60

70

80

90

100

88 90 92 94 96 98 100

Cu

mu

lati

ve C

op

per

Feed

Fr

equ

ency

(%)

Recovery relative to Rmax (%)

ROUGHER CELL SIZING

SAMPLE BY SAMPLE

ECONOMIC EVALUATION

CIRCUIT LAYOUT

SAMPLES WEIGHTED TO MATCH BLOCK

MODEL DISTRIBUTION

80%

82%

84%

86%

88%

90%

92%

2018 2019 2020 2021 2022 2023 2024 2025 2026 2027

Cu

Reco

very

(%

)

Year

FS1 FS2 FS3 FS4

RECOVERY MAXIMISATION

CIRCUIT LAYOUT

Robust, unbiased methodology for flowsheet selection

FS 1 and FS 2 are the best alternatives

Flowsheet 1 – tried and tested

Flowsheet 2 – novel and perhaps a risky choice

Monte Carlo analysis to consider the element of risk

Recovery Grade

Flowsheet 1 88.0% 28.5%

Flowsheet 2 88.4% 28.5%

Difference -0.4% 0.0%

RISK ANALYSIS

26%

27%

28%

29%

30%

31%

82% 83% 84% 85% 86% 87% 88% 89% 90%

Co

pp

er G

rad

e (%

)

Copper Recovery (%)

Flowsheet 1

26%

27%

28%

29%

30%

31%

82% 83% 84% 85% 86% 87% 88% 89% 90%

Co

pp

er G

rad

e (%

)

Copper Recovery (%)

Flowsheet 2

Flowsheet 1 2 1 2

Mean 87.0% 87.9% 28.6% 28.3%

Median 87.1% 87.9% 28.6% 28.3%

Std dev 0.9% 0.5% 0.6% 0.6%

Recovery Grade

CONCLUSIONS:

WHAT CAN WE DO WITH GEOMETALLURGICAL

SIMULATION?

Geometallurgical simulation in IGS

• Simulates thousands of blocks in seconds

• Mine and production planning

• Monte-Carlo capability for robust process variability analysis

Plant Design

Production Forecasting

Plant operational optimization

Plant economic optimization

Parameter integration with control system

CASO DE ÉXITO OPTMIZACIÓN DE TRATAMIENTO

EN CONCENTRADORA DE COBRE MEDIANTE

IMPLEMENTACIÓN DE SISTEMA EXPERTO

MAURICIO ESTRADA MELLA

Gerente Latam Optmization by APC at SGS

Importante faena minera ubicada en el sur de Perú

Desafío de mejorar el tratamiento

Circuito de molienda SAG y Bolas

Potencia del Molino SAG limitada

Recirculación de Pebbles enteros

Falta de algunas señales requeridas para el control del proceso

ANTECEDENTES

SAG

Molino Bolas (MB)

Water SP

PT

PSi

#Cicopen

APC-Multivariable:

Estabiliza-Optimiza

(Aumenta Throughput)

APC-Multivariable:

Reduce variabilidad granulometria

Producto mas Fino

CIRCUITO

Identificar brechas del proceso

Definir estrategia de control alineada con diseño del circuito, Equipos y señales

Pebbles recirculados enteros

Durante el proyecto se implementa:

Medición de granulometría en la descarga de los ciclones PSI

Medición de granulometría en feeders y fajas principales

Reducir la brecha de Potencia en el SAG

Aumentar Presión en las baterías de ciclones

Reducir tamaño de partícula en la descarga de ciclones

DESAFÍOS

Fuerte directriz gerencial de minera

Entender las relaciones causa efecto

Conocer los principios que rigen los procesos

Utilizar brecha

Potencia SAG

Presión / Peso de SAG

Potencia MB

Presión de Ciclones

CLAVES

DE ÉXITO

0

1

2

3

4

5

6

7

8

9

10

11

12

13

14

SE ON SE OFF

RESULTADOS

PARADAS FAJA SAG-1

0

1

2

3

4

5

6

7

8

9

10

11

12

13

14

SE ON SE OFF

RESULTADOS

PARADAS FAJA SAG-3

RESULTADOS

HISTOGRAMA TONELAJE

Aumento de tratamiento de tonelaje +4.6% +3.7%

Reducción variabilidad de tonelaje -51% -42%

Reducción paradas faja enclavamiento potencia (10/61) (5/52) -84% -90%

Reducción consumo de energía -2.2% -1.7%

Reducción consumo específico energía -3% -3%

Aumento de tratamiento con CEE > 8Kw/TPH +13% +7%

SAG-1 SAG-3

RESULTADOS

KPI MOLIENDA

Disminución de granulometría PSI 6.2% 11.6%

Reducción variabilidad granulometría 48.6% 90.7%

Reducción consumo de energía 0.3% 1.4%

Aumento Presión de ciclones 3.4% 0.2%

Reducción variabilidad Presión Ciclones 7.2% 22%

RESULTADOS

KPI MOLIENDA

MB-2 MB-4

Presentación de PowerPoint200.48.195.199/MKTMailing/PDF TALLER GEOMETALURGIA-comprimido.pdf · El...

Documents

Transcript of Presentación de PowerPoint200.48.195.199/MKTMailing/PDF TALLER GEOMETALURGIA-comprimido.pdf · El...