Las plantas de procesamiento de minerales son intrínsecamente complejas, con una amplia gama de operaciones intensivas en recursos. Las minas buscan lograr objetivos de proceso significativos para reducir los costos de energía y de la planta, al tiempo que hacen un mejor uso de los recursos hídricos y energéticos.
Al mismo tiempo, tienen la tarea de cumplir con los requisitos reglamentarios y hacer frente a los desafíos de la fuerza laboral. Para abordar estas complejidades y ofrecer soluciones, Rockwell Automation organizó recientemente un seminario web que ayudó a los asistentes a comprender cómo alcanzar estos objetivos de proceso.
Juliano de Goes Arantes, ejecutivo de cuentas de Pavilion en Rockwell Automation, organizó el seminario web el 20 de mayo, con el apoyo de Steffen Zendler, director de marketing y estrategia de industria pesada de Rockwell Automation para EMEA. La pareja discutió los principales desafíos de control que enfrentan las operaciones de procesamiento de minerales.
De Goes Arantes dijo que más del 75% de las plantas de procesamiento de minerales todavía utilizan estrategias básicas de control. Una encuesta de audiencia mostró resultados similares en África, con un 56% que dijo que usa el control básico, seguido por un 28% que usa el control manual.
“Si bien el control básico proporciona un control adecuado en términos de seguridad de la planta, rara vez logra un control óptimo en la calidad, ni opera de manera más económica”, dijo de Goes Arantes.
El seminario web se centró en el control predictivo del modelo Pavilion8 (MPC) de Rockwell Automation, una herramienta que reduce la variabilidad del proceso y mejora la estabilidad por encima de lo que es posible actualmente con los esquemas de control más tradicionales. Haciendo uso de MPC, las plantas de procesamiento pueden aprovechar sus sistemas de control para optimizar sus operaciones.
De Goes Arantes explicó:
“MPC utiliza un modelo de la operación de procesamiento de minerales para predecir cómo responderán las variables de salida del proceso a los cambios en las variables de entrada del proceso y las perturbaciones. Los algoritmos MPC hacen uso del aprendizaje automático, donde el motor aprende y actualiza el modelo matemático usando datos, mientras que el MPC lo usa para el control «.
Es una tecnología simple y poderosa que se integra en el sistema de control actual para optimizar los procesos minerales mientras se abordan los objetivos y complejidades de la planta.
“En esencia, MPC utiliza tecnología de aprendizaje automático supervisado para evaluar los datos operativos actuales y previstos. Compara los datos con los resultados deseados y luego calcula y actualiza los objetivos de punto de ajuste en línea del proceso ”, dijo De Goes Arantes.
MPC reduce la variabilidad, ayuda a lograr la estabilidad de la planta, administra el proceso sin restricciones y opera más cerca de las especificaciones y los límites de rendimiento mientras mantiene los márgenes de seguridad. En última instancia, la herramienta ofrece a los clientes de minería un mayor rendimiento, un menor consumo de reactivos, una mejor recuperación, un uso óptimo de agua y energía y una mayor estabilidad del proceso.
