GEMELOS DIGITALES EN PROCESAMIENTO DE MINERALES
![gemelos-digitales-en-procesamiento-de-minerales](https://intermetperu.com/wp-content/uploads/2023/05/gemelos-digitales-en-procesamiento-de-minerales-1024x502.jpg)
Los yacimientos de minerales se están volviendo extremadamente variables con la mineralogía y la dureza perturbando la molienda y los circuitos de flotación. Los sensores en las plantas de procesamiento de minerales proporcionan grandes cantidades de datos para la optimización del proceso. El contexto adecuado y los eventos operacionales permiten aumentar la concientización para tomar acciones proactivas para mejorar el rendimiento de los circuitos de chancado, molienda, flotación y espesamiento/filtración. Se necesita una estrategia basada en datos para permitir que las operaciones, el mantenimiento y el personal tomen medidas correctivas de forma rápida y sencilla cuando se producen condiciones anormales. Una plantilla digital transforma los datos en información operativa en tiempo real. Esta permite descubrir las pérdidas ocultas, inactivas y de tiempo de inactividad utilizando una estrategia canónica de la unidad para modelar la planta. Mediante la medición y gestión de estos tiempos de inactividad, las personas encuentran nuevas formas de evitar que desmejoren la rentabilidad de la planta. La información creada por el análisis en tiempo real permite calcular la recuperación en tiempo real y desarrollar modelos de análisis predictivos para encontrar la mejor condición de operación en función del tipo de mena. Se habilita la creación de nuevos flujos de trabajo y la colaboración entre la planta minera y concentradora y la empresa, incluidos los proveedores de servicios. Actualmente el soporte remoto de las operaciones tiene la capacidad de integrar las operaciones mineras desde la perforación hasta la entrega del producto. Las personas pueden trabajar de forma remota apoyando las operaciones y manteniéndose seguras y saludables. Las empresas de hoy en día pueden aumentar la productividad mediante el desarrollo de modelos predictivos para detectar las pérdidas ocultas de producción, energía y agua de los equipos, del tipo de mena y de perturbaciones no medidas. La gente llama a esta estrategia seguimiento de las pérdidas de dinero para poder sobrevivir.
FUNDAMENTACIÓN TÉCNICA
Las restricciones ambientales y las bajas leyes requieren un nuevo enfoque en la gestión operacional de las mineras y sus operaciones remotas. Estas bajas leyes traen mucha variabilidad que causan pérdidas muy difíciles de discernir oportunamente. La velocidad de los computadores y de las redes crea una nueva oportunidad para configurar los sistemas en forma proactiva para evitar pérdidas operacionales. Los sistemas de control requieren un nuevo tipo de apoyo para maximizar la recuperación y reducir los costos de energía, agua y reactivos. Es necesario renovar y mantener los lazos de control de procesos para poder ejecutar automáticamente los planes de producción sincronizando la mina y las operaciones. La creación de modelos predictivos para evitar pérdidas de producción, energía, agua y contaminación ambiental se hace cada vez más imprescindible. Trabajar en forma remota para el análisis operacional en tiempo real, con alertas oportunas al acercarse a restricciones o salirse de las bandas de producción óptima contenidas en la historia de la producción efectiva. Ahora más que nunca, la estrategia de trabajo remoto contribuye al desarrollo de nuevas formas de creación de valor en la gestión operacional.
OBJETIVOS GENERALES Y ESPECÍFICOS
El curso tiene como objetivo presentar las grandes oportunidades que se dan en la industria minera para la integración de los datos provenientes de los sistemas de despachos mineros, control de procesos, laboratorio, monitoreo del clima y la información de la planificación minera y geo metalúrgica disponible. Los participantes aprenderán la manera cómo transformar datos en información para la gestión operacional. Se mostrarán los modelos de molienda clasificación, flotación y espesamiento que proveen el conocimiento para su análisis con datos operacionales. Se mostrarán ejemplos de casos industriales. Se sugiere que los participantes tengan disponible los diagramas de procesos de la planta para el modelado en bloques para su gestión.
METODOLOGÍA
Se usarán diagramas de procesos en PowerPoint para mostrar los conceptos y metodología. Se presentará ejemplos prácticos usando un simulador dinámico que mostrará un historial para analizar los datos y su transformación en información para el modelo de procesos. Se usarán ejemplos basados en el PI System, Seeq Advanced Analytics y Microsoft PowerBI.
PROGRAMA Y CONTENIDO
El contenido del curso está basado en el Capítulo de Control de Procesos y Gestión Operacional en el Manual de Procesamiento de Minerales y Metalurgia Extractiva publicado por la SME en febrero de 2019. Se abarcarán los capítulos de Midiendo, Administrando y transformando datos en información accionable publicados en Conceptos y Métodos de Manufactura Inteligente (Smart Manufacturing Concepts and Methods) por Elsevier y el libro Transformación Digital en la Industria de Procesos: una guía, publicado por CRC Press todos disponibles en el sitio https://www.amazon.com/-/e/B07XV5HXX9.
DIRIGIDO A
Ingenieros de Procesos, Ingenieros de Minas, Gerentes de Plantas, Soporte Técnico, Estudiantes de Ingeniería Química, Metalúrgica, Eléctricos, Ambientales, etc.
TOPICS
MÓDULO 1
- Secretos de la transformación digital.
- Control de Procesos y Gestión Dinámica de Operaciones.
- Sensores, Lazos de Control y Estrategias de toma de decisiones.
- Las 4 etapas de la generación de valor.
- Estrategias en la nube con la aplicación del sistema PI y del Seeq Advanced Analytics.
- Modelo de Planta Gemela Digital – 1er y 2do paso.
- Estados operacionales, tipos de mineral, equipos de trabajo, planificación de producción y restricciones medioambientales.
- Análisis de la efectividad global de producción.
- Ratio de producción del metal neto, recuperación y pérdida de metal.
- Preguntas y discusión del módulo 1.
MÓDULO 2
- 3er paso, Modelos de Procesos Predictivos.
- Machine Learning integrado, Data Cleansing o limpieza de datos y clasificación de eventos.
- Modelos dinámicos de clasificación de molienda híbridos.
- Modelos dinámicos de flotación híbridos.
- Modelos de espesadores de recuperación de agua híbridos.
- Preguntas y discusión del módulo 2.
MÓDULO 3
- Fundidora para pirometalurgia y ejemplos de refinado.
- Modelos y ejemplos de procesos hidrometalúrgicos.
- Monitoreo avanzado de los sistemas de control de proceso.
- Modelos predictivos para los equipos críticos.
- Soporte remoto externo.
- Preguntas y discusión del módulo 3.
MÓDULO 4
- Transformación Digital 4to paso.
- Integración operacional de minas, plantas y despachos.
- Producción de cobre neto e incremento de recuperación.
- Centro operacional de plantas de minas.
- Centro operacional de producción, energía y agua.
- Centro para el monitoreo y diagnóstico de generación de electricidad.
- Conclusiones y trabajos futuros.
- Preguntas y discusión del módulo 4.
- Conclusiones y cierre del curso.
- Evaluación final.
EXPERTO: Dr. OSVALDO A. BASCUR
Director de Transformación Digital – OSB Digital, LLC in Houston, TX.
Dr. Bascur es actualmente director de Transformación Digital en OSB Digit, LLC y consultor de Seeq (www.seeq.com). Trabajó en OSISOFT durante 25 años. Fue parte del equipo de ingenieros de Pennzoil y anteriormente trabajó como ingeniero de control de procesos para Duval Corporation, Tucson, AZ (ahora Freeport McMoRan).
Dr. Bascur ha creado una plantilla para la transformación digital de plantas para la optimización de la gestión operacional dinámica, de calidad, activos y energía/agua. Hoy en día, la estrategia de planta digital transforma los datos de los sensores en información operativa (datos + eventos operativos) para la eficacia general de la producción y el análisis predictivo. La estrategia asimismo identifica las Pérdidas de Producción de Agua/Energía Oculta en una Planta Industrial permitiendo maximizar la producción mientras se eliminan las pérdidas. Esta plantilla de estrategia permite transformar grandes cantidades de información no utilizada en información para generar conocimiento operacional adicional, modelos predictivos, e integra las herramientas de inteligencia de negocios tales como MS PowerBI, Seeq Advanced Analytics y AWS Quick sight.
Dr. Bascur escribió el Capítulo de Control e Inteligencia Operacional para el Manual de Procesamiento Minerales y Metalurgia Extractiva de la SME publicado en 2019. Escribió el Capítulo Midiendo, Administrando y Transformando Datos en Información en el libro Manufactura Inteligente: Conceptos y Métodos, en colaboración con la Universidad de Texas y Drexel University. Editó las Perspectivas Latinoamericanas: Exploración, Minería y Procesamiento para la SME. Ha escrito más de 95 trabajos técnicos y ha colaborado en numerosos capítulos en diversos libros. Es también editor de la MEI y de las publicaciones de IFAC.
Recibió el más prestigioso premio A. Gaudin por parte de la SME. Es miembro de AIChE, SME, AIST, IFAC MMM y IMPC.
Dr. Bascur es ingeniero químico y metalúrgico de la Universidad de Concepción, Chile, y cuenta con un doctorado (PhD) en Ingeniería Metalúrgica de la Universidad de Utah, Salt Lake City.