Sistemas Control Avanzado en Minera Los Pelambres

Slides:



Advertisements
Presentaciones similares
Cátedra Nº 1 Desarrollo Ítem II
Advertisements

MillScan DSP2000 Optimización de Molinos por medio de Análisis de vibraciones Joseane Berti.
LOS CRITERIOS DE POSICIONAMIENTO TERAPEUTICO
Alumno: Henry Segundo Agapito Almeyda
Mariano Alcántara Eduardo
Monitoreo y detección temprana. Parte I Bases epidemiológicas para el control de la enfermedad – Otoño 2001 Joel L. Weissfeld, M.D. M.P.H.
Introducción a LAS Bases de Datos
Sesión 2.1. Encuestas a Comerciantes y toma de decisiones en el PMA Una Visión General Programa de Aprendizaje Sobre Mercados del PMA1 Llevando a Cabo.
PLANIFICACIÓN MINERA INTEGRANDO VARIABLES AMBIENTALES
Materia: Auditoria de Sistemas Integrante: Mauricio Pacheco Cardozo
Teoría de decisiones La teoría de decisiones consiste en tomar una decisión de un conjunto de posibles acciones. Se debe tener en cuenta que existe incertidumbre.
Control en cascada.
Toma de decisiones difusa y predicción del comportamiento oponente Gustavo Armagno Facundo Benavides Claudia Rostagnol
Prueba de Hipótesis La Prueba t Carlos B. Ruiz-Matuk.
Microbiología predictiva
Contexto en el proceso general
Selección de lubricantes para elementos mecánicos
EL PODER DE SOLVER.
UNIVERSIDAD TECNOLOGICA DEL PERU AREQUIPA
UNA HERRAMIENTA PARA AGREGAR VALOR
Mario Francisco, Pastora Vega
BASES DE DATOS INTRODUCCION
ESTRATEGIA DE PRODUCTO
Definición de la estructura organizacional
Comentarios Proyecto LGE María de los Angeles Santander Agosto 2008.
Aplicación SOLVER.
RETOS Y OPORTUNIDADES DE LA DIRECTIVA 2007/60
FUERZA.
CONTROLADORES Dispositivo o sistema que especifica el valor (o el cambio) en la variable manipulada en función del valor deseado (referencia o set-point)
Ensuring Insurance Market Development In Latin America and the Caribbean (Asegurando el Desarrollo de Seguros en LAC) I Annual Forum on Developing Insurance.
AEA Investigación de Mercado Ingeniería Comercial.
“SIMULACIÓN DINÁMICA DE UN SISTEMA DE MOLIENDA SEMIAUTOGENO (SAG).”
Antonio Escobar Z. Pereira – 2012
Presentación 4 Desafíos de la ingeniería ING1004 Sección 1 Equipo 12
Monitoreo de la calidad del aire
1 Problemas de decisión Tipo particular de problemas de optimización Sistemas que evolucionan con el tiempo Se toman decisiones en momentos sucesivos de.
Departamento de Salud Pública Dra. Laura Moreno Altamirano
Estrategias de Control
INFERENCIA ESTADÍSTICA
Documentación y Archivos
¿Cómo actúa un dieléctrico sobre una carga puntual?
CONTROL PREDICTIVO Sergio Castaño Control Automático Educación.
Proyecto Videovigilancia Corporación Municipal Puente Alto 30 de Julio de 2013.
Gestión de Riesgos en Aseguradoras: Conceptos relacionados al nuevo Modelo de Supervisión Ernesto Ríos Carrasco División Técnica y Normativa SVS Diciembre.
Lógica Difusa Estefania Avendaño Edward Yanquen Cindy Cardenas Jorge Prieto Daniel Lacouture David Contreras Daniela Pérez Juan Vega.
Solver complemento de excel
Aplicaciones Industriales
DEFINICIONES BÁSICAS MARCO ESTRATEGICO CRITERIOS DE UNA ESTRATEGIA CLAVES DE UNA ESTRATEGIA LA IMPORTANCIA DE LA CULTURA LA IMPORTANCIA DE UNA BUENA ESTRUCTURA.
¿Por qué Investigar en Salud?
ANÁLISIS COMPETITIVO DEL ENTORNO GENERAL
Escuela Politécnica Superior Departamento de Ingeniería Eléctrica Directores: Edgardo D. Castronuovo Pablo Ledesma Fecha de inicio: Noviembre de 2011 Fecha.
Gestión Centralizada de Campañas
El Seguro de Crédito como herramienta de gestión empresarial
Mata Moran Mireya Gabriela Alejandra
REPÚBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN SUPERIOR UNIVERSIDAD DEL ZULIA NÚCLEO COSTA ORIENTAL DEL LAGO COORDINACIÓN.
MINERO SUR 2015 OPTIMIZACIÓN DE LAS RECUPERACIONES DE LOS METALES VALIOSOS EN LA CONCENTRADORA TOQUEPALA Sergio Quiñones Manga
Estrategia de Ley de Corte Variable
Proyecto: Inteligencia institucional y del contexto Objetivo institucional Alianzas Estratégicas MacroprocesoDireccionamiento institucional CódigoPDI –
Germán Fromm R. 1. Objetivo Entender los diseños metodológicos predictivos 2.
Cloud Computing (computación en la nube), se trata del conjunto de programas y servicios alojados en un servidor conectado a la Red, accesible desde cualquier.
AUDITORIA 2010 PROCEDIMIENTOS DE AUDITORIA. PROCEDIMIENTOS DE CUMPLIMIENTO O PRUEBAS DE CONTROLES Tienen como objetivo proporcionar evidencia de que los.
JOSE AUDBERTO TORRES.  Sensor /transmisor (tambien llamados elementos primario y secundario respectivamente)  Controlador  Elemento final de control.
Simbologías de los Instrumentos Industriales (ISA y SAMA).
TAMAÑO DE LA MUESTRA. Para definir el tamaño de la muestra se debe tener en cuenta los recursos disponibles y las necesidades del plan de análisis, el.
Bases de datos II Universidad del Cauca Ing. Wilson Ortega.
Ingeniería electrónica  La Ingeniería electrónica es una rama de la ingeniería, que utiliza la electricidad, específicamente la electrónica para resolver.
TAMAÑO DE LA MUESTRA Alvaro Alfredo Bravo Dpto. de Matemáticas y Estadística Universidad de Nariño - Colombia.
Estadística Definición: La estadística es una ciencia matemática que se refiere a la colección, estudio e interpretación de los datos obtenidos en un estudio.
Escuela Superior Politécnica de Chimborazo Facultad de Administración de Empresas Escuela de Ingeniería en Marketing Carrera de Ingeniería Comercial Nombre:
Capítulo V: Programación de la Producción
Transcripción de la presentación:

Sistemas Control Avanzado en Minera Los Pelambres Daniel Silva – Felipe Henríquez Presentación a USM

Escenario Operación actual MLP COMPLEJO SUPERINTENDENCIA OPERACIONES PLANTAS SUPERINTENDENCIA CONTROL AUTOMATICO E INSTRUMENTACION OPTIMIZACION ADAPTABILIDAD UTILIZACION RED NEURONAL ESTABILIDAD ESTRATEGIA CONTROL DEL PROCESO MAYOR RENDIMIENTO MEDICION ESTABILIZACION SUPERVISION $$ AUTOMATIZACION AVANZADA JUSTIFICA OPERACIÓN EXPERTA AVANZADA

Molienda SAG 56,5% 29,5% 12,6% 0,7% 0,8%

Descripción y Objetivos generales Sistema Control Avanzado SAG El objetivo del SISTEMA CONTROL AVANZADO es: Estandarizar las mejores prácticas operacionales  Mejoramos continuamente la operación Sistematizar las acciones  Lo hacemos bien cada vez, siempre Estabilizar las variables de proceso prediciendo el comportamiento del proceso frente a las variables de interés (principales y secundarias) … y como efecto de esto se ESTABILIZA EL PROCESO y su operación … y como consecuencia de esto, el proceso se acerca a su mejor punto de operación  OPTIMIZA En último término, la eficacia de estos sistemas dependerá de: Simpleza de operación: entendible y accesible por todos Baja mantención Mediciones confiables (%leyes, %sólidos, granulometrías) % Utilización (convencer a los operadores de sus ventajas)

Descripción y Objetivos generales Sistema Control Avanzado SAG Diferencias entre los sistemas: Niveles de Control durante Operación Normal (con BW): DCS. Control básico (usado en la partida y condiciones anormales). Nivel REGULATORIO EXPERTO. Monitorea las variables de seguridad, controla %sólidos, define límites de operación y optimiza el tratamiento (peso) y limita la potencia. Nivel de OPTIMIZACION BW. El Sistema de control Molienda SAG es un algoritmo de control predictivo-adaptivo (MPC) basado en modelos multi-variables en base a series matemáticas. Estabiliza el proceso en forma predictiva frente a las variables de interés (principales y secundarias). Opera en conjunto con el sistema experto. Nivel de ESTABILIZACION MPC-BW SIST.EXPERTO BASADO EN MODELO DEL PROCESO CONTROL DIFUSO PREDICTIVO REACTIVO (ROC) MAS RAPIDO LENTO

Esquema General Del Sistema SAG Mill Feeder Belt WI Feeder Speed Feed Rate Setpoint Feed Rate Weight Rotation Pebbles feed Weight Setpoint PSD, Mineral Type, or Ore Hardness Speed AI Sound Sound Setpoint

Descripción Operación DCS - Experto - BW MUY ALTO Zonas de Operación Peso SAG: Niveles de Control: DETENCION FEEDERS ALTO 230 LIMITE ALTO (x OPERADOR) 30 50 SOBRENORMAL SP BW NORMAL 150 Vel max/min TPH max/min FUZZY Peso max/min EXPERTO SP SP DCS (MAN/AUTO) SP SIC WIC TPH VF VF VEL SAG VEL FEEDERS SONIDO PESO TPH

Descripción Operación DCS - Experto - BW MUY ALTO Zonas de Operación Peso SAG: Niveles de Control: DETENCION FEEDERS ALTO 230 LIMITE ALTO (x OPERADOR) 30 50 SOBRENORMAL SP BW NORMAL 150 SP BW SPmax Vel max/min Peso max/min SP TPH max/min SONIDO PESO TPH BW FUZZY EXPERTO SPmax SP SP SP SP DCS (MAN/AUTO) SIC WIC TPH VF VF VEL SAG VEL FEEDERS SONIDO PESO TPH

RESULTADOS ESTADISTICOS PLANTA FACTORES CLAVES AUMENTARON O DISMINUYERON FAVORABLEMENTE DESVIACIONES ESTANDAR DISMINUYERON POTENCIA PUEDE USARSE COMO “KPI” DE LA EFECTIVIDAD DEL CONTROL AVANZADO AUMENTO DURACION LINERS, START-UPS MAS RAPIDAS, MENOS SOBRECARGAS.

PREDICT STABILIZE Sistems Control Avanzado en MLP WRAP-UP: ¿Porqué usar control avanzado ? PREDICT STABILIZE

Descripción Operación DCS - Experto - Flotación Camera Vision (flotation speed, bubble size) %Copper, %Fe from Courier system Expert Optimization Level Objectives: Maximize %Copper Recovery, Restrictions on %Copper Grade in the Primary Concentrate Average speed on each flotation bank/cell Expert Supervision Level Speed Setpoints on each bank/cell Line 1 Line X LevelSetpoints on each bank/cell DCS Control & Regulation Level DCS Line 1 DCS Line X

Descripción Operación DCS - Experto - Flotación MAXIMIZAR RECUPERACION Cu en el Concentrado Producir un Concentrado Primario con una Ley de Cobre Superior a un valor Mínimo RESTRICCIONES. Asegurar el Control de Perturbaciones y Riesgos del Proceso: Ley de Fierro en la Alimentación % de Sólidos y Malla +100 # en Molienda Embanque de Celdas

PREGUNTAS ??? FIN