Upload
others
View
30
Download
2
Embed Size (px)
Citation preview
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
10 muestras – 20 kg
Muestras Grandes
MetalurgiaRepresentan dominios
principales
3 muestras – 200 kg
Muestras Pequeñas MetalurgiaRepresentan la
variabilidad dentro de los dominios
300 muestras – 8 kg
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
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
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
PROYECTO DE SULFUROS DE NI + CU + CO + …
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
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
PROYECTO DE SULFUROS DE NI + CU + CO + …
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
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
5. Muestrear minerales atípicos
6. Proceder en etapas
7. Entre 1 /Mt y 4 /Mt
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
Textura
“en malla”
(8)
Vetas (1)
Diseminado (11)
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
1. Todos los dominios
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
6. Proceder en etapas
7. Entre 1 /Mt y 4 /Mt
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
1. Todos los dominios
2. Dentro del plan de mina
3. Tamaño de muestras razonables: Muestras de +/- 5 m
4. Con dilución Porque los bancos son de 5 m
5. Muestrear minerales atípicos
6. Proceder en etapas
7. Entre 1 /Mt y 4 /Mt
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
1. Todos los dominios
2. Dentro del plan de mina
3. Tamaño de muestras razonables
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%.
7. Entre 1 /Mt y 4 /Mt
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
1. Todos los dominios
2. Dentro del plan de mina
3. Tamaño de muestras razonables
4. Con dilución
5. Muestrear minerales atípicos: No minerales atípicos están
6. Proceder en etapas identificados por el momento
7. Entre 1 /Mt y 4 /Mt
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
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: Proceder con 20 muestras permite
7. Entre 1 /Mt y 4 /Mt una primera evaluación de la variabilidad
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
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: Es un pequeño tajo de 2 Mt de reservas
Necesitamos +/- 20 muestras al mínimo!
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
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
PROYECTO DE SULFUROS DE NI + CU + CO + …
“Posibles”
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
“Escogidos”
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
Resultado:
Una distribución casi perfecta de las muestras seleccionadas
Para todas las variables !!!
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
Reservas
Selección
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
Reservas
Selección
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
Reservas
Selección
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
Reservas
Selección
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
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
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS
53
Análisis Componente mineralógica
Arcillas
Micas
Liberación
Otra Ganga
Elemento penalty
Tamaño de grano
Pirita
Procesos:
Cu, Au, Zn-Pb, Fe etc.
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS
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
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS
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.
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS
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.
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS
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.
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS
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
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS
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
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS
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
GEOQUÍMICA Y ANÁLISIS
DE RESULTADOS METALÚRGICOS
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!
GEOQUÍMICA Y ANÁLISIS
DE RESULTADOS METALÚRGICOS
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
GEOQUÍMICA Y ANÁLISIS
DE RESULTADOS METALÚRGICOS
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
ANÁLISIS DE RESULTADOS METALÚRGICOS
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 RESULTADOS METALÚRGICOS
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
ANÁLISIS DE RESULTADOS METALÚRGICOS
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
ANÁLISIS DE RESULTADOS METALÚRGICOS
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
ANÁLISIS DE RESULTADOS METALÚRGICOS
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
ANÁLISIS DE RESULTADOS METALÚRGICOS
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
ANÁLISIS DE RESULTADOS METALÚRGICOS
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
ANÁLISIS DE RESULTADOS METALÚRGICOS
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
DISEÑO CONCEPTUAL DEL CIRCUITO DE FLOTACIÓN
CIRCUITO 1: CASO BASE
DISEÑO CONCEPTUAL DEL CIRCUITO DE FLOTACIÓN
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
DISEÑO CONCEPTUAL DEL CIRCUITO DE FLOTACIÓN
CIRCUITO 1: CASO BASE
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.
DISEÑO CONCEPTUAL DEL CIRCUITO DE FLOTACIÓN
CIRCUITO 1: CASO BASE
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.
DIAGRAMA DE FLOTACIÓN 2
Observación: Se eliminó las celdas de flotación de limpieza agotativa (Cu Cleaner Scavenger y Zn Cleaner Scavenger) existenteen diagrama de flotación 2.
DIAGRAMA DE FLOTACIÓN 3
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.
DIAGRAMA DE FLOTACIÓN 4
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.
DIAGRAMA DE FLOTACIÓN 5
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.
DIAGRAMA DE FLOTACIÓN 6
Observación: Se combinaron los concentrados de zinc de la 2da rougher y scavenger para alimentar la etapa de limpieza de zinc.
DIAGRAMA DE FLOTACIÓN 7
Observación: Se combinaron los concentrados scavenger de zinc y las colas de limpieza para alimentar la flotación rougher.
DIAGRAMA DE FLOTACIÓN 8
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
Pueden conseguir más detalles en esta pagina web:
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.
Pueden conseguir más detalles en esta pagina web:
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
ECONOMIC OPTIMISATION
ECONOMIC OPTIMISATION
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