Control Experto

Introduccin Bajo el trmino de Sistemas Expertos se entiende un nuevo tipo de software que imita el comportamiento de un experto humano en la solucin de un problema. Pueden almacenar conocimientos de expertos para un campo determinado y solucionar un problema mediante deduccin lgica de conclusiones. El control experto es nada ms que un sistema experto aplicado al control de procesos industriales.
Set Point

Control Basado en Reglas

Planta

Y Salida

Figura 1 Los Sistemas Expertos son uno de los puntos que componen las investigaciones en el campo de la lA (Inteligencia Artificial). Un sistema de ordenadores que trabaje con tcnicas de lA deber estar en situacin de combinar informacin de forma inteligente, alcanzar conclusiones y justificarlas (al igual que el resultado final). Los Sistemas Expertos son una expresin de los sistemas basados en el conocimiento. Con la aplicacin de tcnicas de Inteligencia Artificial finaliza la transicin del procesamiento de datos al procesamiento de conocimientos. Los sistemas expertos se aplican por norma general en problemas que implican un procedimiento basado en el conocimiento. Un procedimiento de solucin basado en el conocimiento comprende las siguientes capacidades: Utilizacin de normas o estructuras que contengan conocimientos y experiencias de expertos especializados. Deduccin lgica de conclusiones. Capaz de interpretar datos ambiguos. Manipulacin de conocimientos afectados por valores de probabilidad. La funcin de un Sistema Experto es la de aportar soluciones a problemas, como si de humanos se tratara, es decir ser capaz de mostrar soluciones inteligentes. Esto es posible gracias a que al sistema lo crean expertos (humanos), que intentan estructurar y formalizar conocimientos ponindolos a disposicin del sistema, para que este pueda resolver una funcin dentro del mbito del problema, de igual forma que lo hubiera hecho un experto. Acceder a los conocimientos adquiridos por experiencia es lo ms difcil, ya que los expertos, al igual que otras personas, apenas los reconocen como tales. Son buscados con mucho esfuerzo y cuidado siendo descubiertos de uno en uno, poco a poco.

Los Beneficios de Sistema Experto: Despus de haber empleado un sistema de control que se basa en las experiencias de ingenieros de procesos y de operadores calificados se pueden obtener los siguientes beneficios: Estabilidad de operacin: Las principales variables (flujo, temperatura, velocidad del motor, corriente, etc.) permanecen muy estables en el punto ptimo de produccin. Aumenta de la calidad: Con este sistema se evitan posibles contaminaciones al producto final, ya sea por falla de equipos o malas decisiones operacionales. Disminucin de costos: Los equipos consumidores de energa, como por ejemplo bombas, agitadores, rectificadores, calderas operaran en su punto ptimo de produccin con el menor costo. Componentes del Sistema Experto
Base del Conocimiento (reglas)

Motor de Inferencia Shell

Interfaz

Usuario

Pgina 1

Control Automtico II

Control Experto

La Base del Conocimiento La Base de Conocimientos de un Sistema Experto contiene el conocimiento de los hechos y de las experiencias de los expertos en un dominio determinado.

Figura 2 Mtodo de las entrevistas para la adquisicin del conocimiento. Las entrevistas nos ayudan a la adquisicin del conocimiento, para luego canalizarlo en forma correcta mediante la construccin de las reglas que formaran parte de la base de conocimiento, la entrevista es realizado por el ingeniero del conocimiento y el entrevistado es el Experto Humano, juntos potencializan sus conocimientos para la construccin del sistema experto. Existen dos tipos de entrevistas que se utilizan para la adquisicin del conocimiento, estas son: a) Entrevistas Dirigidas: La caracterstica principal de este tipo de entrevista es que el ingeniero del conocimiento formula las preguntas en forma ordenada de lo ms relevante a lo menos relevante, las preguntas son cortas y puntuales por lo tanto se deja que el Experto Humano tome la iniciativa de responder lo que a l le parece necesario. b) Entrevistas no Dirigidas: La caracterstica principal de este tipo de entrevista es que el ingeniero del conocimiento deja las preguntas abiertas, es decir, el Experto Humano responde en forma explayada sobre el tema pudiendo desviarse de los objetivos del entrevistador. El entrevistador debe poseer un gran dominio sobre el tema para as poder recopilar en forma acertada toda la informacin entregada por el Experto Humano. Las reglas que se construyen deben ser validadas e ingresadas por el programador a la base de conocimiento, tal como se aprecia en la figura 3.

Figura 3

De la figura anterior se describe las funciones principales de cada una etapas para la adquisicin del conocimiento y es como sigue:
Pgina 2

Control Automtico II

Control Experto
Experto Humano: Es el especialista en la materia a estudiar, posee una basta experiencia prctica y conocimiento terico, nos entrega informacin para que el Ingeniero del Conocimiento pueda razonar y construir las reglas. Cuando una regla no es validada por el Ingeniero del Conocimiento, el Experto Humano nos entrega una respuesta para mejorar la construccin de la regla.

Ingeniero del Conocimiento: Es el encargado de realizar las entrevistas, para luego realizar el razonamiento, construccin de reglas y validacin de estas. La informacin requerida para la construccin de las reglas es tomada del Experto Humano, de los manuales tcnicos entregados por el proveedor y por el Troubleshooting de los equipos que participan en el proceso.

Programador: Es el encargado de escribir las reglas en la base de conocimiento, debe manejar el software a utilizar y poseer un vasto dominio de computacin e informtica.

Motor de Inferencia El mecanismo de inferencia es la unidad lgica con la que se extraen conclusiones de la base de conocimientos, segn un mtodo fijo de solucin de problemas que est configurado, imitando el procedimiento humano de los expertos para solucionar problemas. Una conclusin se produce mediante aplicacin de las reglas sobre los hechos presentes. Ejemplo: Una Regla es : Si p y q entonces r

Se dan los hechos : p y q p y q son justo aquellos hechos que se mencionan en la clusula "si" de la regla, es decir, las condiciones para la aplicabilidad de la regla. Aplicar la regla es: deducir de los hechos p y q el hecho r. En un Sistema Experto existir un hecho slo cuando est contenido en la base de conocimientos. Los hechos que constan en la clusula "si" se llaman premisas, y el contenido en la clusula "entonces" se llama conclusin. Cuando se aplica una regla sobre algunos hechos cualesquiera se dice que se dispara. El disparo de una regla provoca la insercin del nuevo hecho en la base de conocimientos. Las funciones del mecanismo de inferencia son: Determinacin de las acciones que tendrn lugar, el orden en que lo harn y cmo lo harn entre las diferentes partes del Sistema Experto. Determinar cmo y cundo se procesarn las reglas, y dado el caso tambin la eleccin de qu reglas debern procesarse. Control del dilogo con el usuario

Pgina 3

Control Automtico II

Control Experto
La decisin sobre los mecanismos de procesamiento de reglas, es decir, qu estrategias de bsqueda se implementarn, es de vital importancia para la efectividad del sistema en su conjunto. Ante problemas o clases de problemas distintos se estructuran, como es lgico, diferentes mecanismos de inferencia. El mecanismo de inferencia debe de estar "adaptado" al problema a solucionar. Una imposicin de costo exige, bajo ciertas circunstancias, una estrategia distinta de procesamiento del conocimiento que un diagnstico de fallas de mquina. En este componente como se sabe es la forma en la que el sistema se nos presentar ante el usuario. Como en los anteriores nos surgen dudas y preguntas como por ejemplo:

Preguntas Comunes: Cmo debe responder el usuario a las preguntas planteadas? Cmo saldrn las respuestas del sistema a las preguntas que se le planteen? Qu informaciones se representarn de forma grfica?

Las caractersticas de la interface que se presentan usuario se pueden resumir en cuatro, que son las ms importantes de tener en cuenta al desarrollar el sistema: Requisitos o Caractersticas de la interface: 1. El aprendizaje del manejo debe ser rpido. El usuario no debe dedicar mucho tiempo al manejo del sistema, debe ser intuitivo, fcil en su manejo. No debemos olvidar que nuestro sistema simula al comportamiento de un experto. Debe sernos cmodo y relativamente sencillo en cuanto al manejo. 2. Debe evitarse en lo posible la entrada de datos errnea. Ejemplo: Ponernos en la situacin de que nuestro sistema es un mdico. Cuando nosotros acudimos a un mdico, le contamos y detallamos nuestros sntomas y el con sus preguntas junto con nuestras respuestas nos diagnostica nuestra "enfermedad". Imaginemos que acudimos a un mdico y le decimos que nos duele una pierna en lugar de un brazo, el diagnostico ser intil. El ejemplo es muy exagerado pero demuestra la importancia en la correcta introduccin de los datos al sistema. 3. Los resultados deben presentarse en una forma clara para el usuario. Volviendo al ejemplo del mdico. Si nuestro mdico nos diagnostica un medicamento pero en nuestra receta no nos escribe cada cuantas horas hemos de tomarlo por ejemplo, por muy bueno que sea el medicamento, la solucin a nuestro problema ser ineficiente por completo. Por eso se insiste en que los resultados debe ser claros y concisos. 4. Las preguntas y explicaciones deben ser comprensibles **Con estas cuatro reglas crearemos nuestro interface con grandes posibilidades de xito**

Shell El Shell es un mdulo formado por el motor de inferencia y la interface del usuario y son los generadores del sistema experto. De acuerdo a todos los estudios (desde 1987) usando un Shell es la nica manera racional para desarrollar un sistema experto. La base de datos y las reglas deben cumplir ciertos formalismos para que el Shell lo entienda. Los resultados de utilizar sistemas expertos hasta el momento son apenas aceptables. En algunos casos buenos o bastante buenos y en algunos casos realmente malos.
Pgina 4

Control Automtico II

Control Experto
Estos errores son debidos a que no se sabe elegir el Shell del sistema experto. No es lo mismo usar un Shell que desarrolla una persona para un problema de Agricultura que usar el mismo programa para resolver problemas de produccin o de verificacin de produccin, por poner un ejemplo. La razn es que el dominio de la aplicacin es diferente por lo tanto el sistema no va ha funcionar. Muchas empresas no dicen el origen del Shell. Algunos son muy atractivos pero cuando se les hace una prueba de escritorio funcionan mal. Por lo tanto un Ingeniero o futuro Ingeniero debe desarrollar mtodos para evaluar estos.

Participacin en la construccin de un S.E. Los principales participantes son: el sistema experto, el experto humano, el ingeniero del conocimiento, la herramienta para construirlo y el usuario, tal como se muestra en la figura 4.

Figura 4

De la figura se describe cada una de sus etapas: Sistema Experto: Es la seccin de programas o software que resuelve el problema en un dominio particular, que consiste en un componente que resuelve el problema y un ambiente de soporte que permite a los usuarios interactuar con el sistema en forma amistosa. Experto: Por lo general es una persona, aunque en otros sistemas el experto est representado por libros o manuales tcnicos. Ingeniero del Conocimiento: Es aquel que realiza la entrevista al experto y organiza el conocimiento, decidiendo como debe ser representado en el sistema, ayuda a los programadores en la fase de implementacin y codificacin del mismo. Herramienta para Construir el Sistema Experto: La herramienta es el lenguaje y el ambiente soportante usado por el Ingeniero del Conocimiento o el programador, herramienta que es diferente de los lenguajes convencionales ya que debe facilitar la representacin de conceptos complejos de alto nivel. Usuario: Es cualquier persona que utilice el Sistema Experto desarrollado, por ejemplo: el constructor de herramienta, el Ingeniero del Conocimiento, el Experto, el usuario final; o el empleado que slo agrega datos al sistema.

Se debe distinguir siempre entre la herramienta usada para construir el Sistema Experto y el Sistema Experto mismo a pesar que el sistema implementado contenga como componente al ambiente como interfase con el exterior. Esta distincin se muestra en la figura 5. Relacin entre herramientas para construir Sistemas Expertos y el Sistema Experto.

Pgina 5

Control Automtico II

Control Experto

Figura 5

Para construir un Sistema Experto se debe seguir los siguientes pasos: Identificacin del Problema El Experto e Ingeniero identifican el rea del problema y definen alcances. Determinacin de recursos necesarios, tiempo y facilidades computacionales. Decisin sobre metas y objetivos de la construccin del sistema experto. Conceptualizacin del Problema El Ingeniero y Experto explican conceptos claves relaciones y caractersticas del flujo de Informacin, necesarias para describir la solucin del problema. Especificaciones de subtareas, estrategias y necesidades relacionadas con la actividad de resolver el problema. Formalizacin a travs de una lgica Graficar los conceptos claves y relaciones en una representacin formal sugerida por un lenguaje o una herramienta. Seleccin del lenguaje o Shell. Representacin de conceptos y relaciones dentro de la estructura del lenguaje. Implementacin eligiendo un Shell El ingeniero organiza la base del conocimiento en una base de datos. Se elige la base de datos. Se define un conjunto de reglas y estructuras de control del Programa. Se realiza el programa. Pruebas Evaluacin del rendimiento del programa. Revisin y ajuste a nivel de excelencia. El experto realiza una evaluacin. Incluso se disean problemas en el que el experto lo resuelve y el programa lo resuelve aparte.

Ventajas y Desventajas de los S.E. Los sistemas expertos poseen varias ventajas con respecto a los sistemas manipulados por los seres humanos, algunas de ellas se muestran en la tabla siguiente.
Pgina 6

Control Automtico II

Control Experto
Tabla: Ventajas de los Sistemas Expertos

Los sistemas expertos poseen varias desventajas con respecto a los sistemas manipulados por los seres humanos, algunas de ellas se muestran en la tabla siguiente:

Tabla : Desventajas de los Sistemas Expertos

Ejemplo Aplicativo A continuacin hablaremos de los pasos seguidos para implementar un Sistema Experto en Molino SAG.

Pgina 7

Control Automtico II

Control Experto

Enfoque Experto Objetivos del proyecto: Aumentar el tonelaje procesados por la planta Mantener una operacin estable Mantener prcticas de operacin uniformes.

Caractersticas del sistema Sistemas basados en reglas empricas: Hace lo que hacen los operadores Desarrollado en base a entrevistas de stos. Las reglas son genricas, vlidas para cualquier Sag. La sintona se hace para cada molino. La variable principal de control es la Presin. Variables de Control del Experto Para el Control de la operacin del Experto este cuenta con un conjunto de variables que debe monitorear y otras que debe manejar, estos son: Variables de Monitoreo Tonelaje Slidos al Molino Presin de levante Ruido Potencia Nivel de cajn Variables de control Tonelaje Slidos al molino

Parmetros de Control del Operador Para el Control de la operacin del Experto el operador cuenta con un conjunto de parmetros que debe manejar, estos son: Parmetros de Presin:

Pgina 8

Control Automtico II

Control Experto
Presin de Rechazo Parmetros de Tonelaje: Tonelaje Mximo Tonelaje Mnimo Parmetros de Nivel: Nivel Mximo Parmetros de Nivel: Nivel Mximo Parmetros de Densidad: Slido Alimentacin Mxima Slido Alimentacin Mnima Parmetros de Potencia: Potencia Alta Potencia Baja

Variable de disparo de reglas Variable de control basado en la presin

Presin: Presin extrema Presin muy alta Presin alta Presin de rechazo Presin de rechazo 10 Presin de rechazo 20 Presin de rechazo 10 Presin OK Presin baja Pendiente de Presin: Presin subiendo dP/dt > 0.01 psi/seg Presin subiendo rpido dP/dt > 0.05 psi/seg Presin disminuyendo dP/dt < -0.005 psi/seg Presin disminuyendo rpido dP/dt < -0.01 psi/seg. Presin de rechazo 75 Presin de rechazo 20 Presin de rechazo 75

Rango de variables de Presin

Pgina 9

Control Automtico II

Control Experto
En cada zona se define las pendientes de presin permitidas para subir tonelaje. En el caso de presin extrema, o presin de rechazo, no se sube presin, aunque sta est bajando. Esto permite estabilizar la presin en el lmite de muy alta.

Variable de Pendientes de Presin

Ejemplo de una regla (tipo Alta Presin)

Fuzzy Set, Regla de Alta Presin Ejemplo de operacin de la lgica difusa: se tiene un valor de la variable presin subiendo; lo que produce el disparo de la regla reduciendo tonelaje, segn: 1 2 3 Presin subiendo = 0.045 psi/s Fuzzy set = 80% Reduccin de tonelaje = 50 tph
Pgina 10

Control Automtico II

Control Experto

Variable de disparo de reglas

Variable de control basadas en el Nivel

Rango de operacin de Nivel

REQUERIMIENTOS: Instrumentacin / Hardware / Software Como otros tipos de sistemas de control, un control experto est compuesto de un conjunto apropiado y confiable de sensores, actuadores remotos, componentes del computador de proceso y software de control. Focalizando la atencin en las aplicaciones de control en circuitos SAG, los prrafos siguientes describen lo que consideramos son los niveles de instrumentacin 'mnimo', 'deseable' e 'ideal', junto con las principales opciones de hardware/software para la debida implementacin de estas aplicaciones. Con relacin a la Instrumentacin de Proceso, la lista siguiente contiene los requerimientos mnimos para el control de un molino SAG, excluidos los molinos de bolas: Medicin de tonelaje fresco y lazo de control regulatorio tipo PID, para el comando de alimentadores.
Pgina 11

Control Automtico II

Control Experto
Medicin de potencia en el molino SAG. Medicin de presin de descansos en el molino SAG. Medicin de flujo de agua al molino SAG y su lazo de control tipo PID. Medicin de la carga recirculada, en caso de existir. Medicin de potencia de los chancadores de 'pebbles', en caso que existan

Figura 6

Un nivel ms 'deseable' de instrumentacin, que permitira una estrategia ms 'astuta', incorporando adems los molinos de bolas, debera contener las mediciones adicionales siguientes: Medicin de potencia en molinos de bolas. Medicin del nivel de pulpa en los pozos. Medicin de flujos de agua al pozo y alimentacin molinos de bolas, junto a sus lazos de control regulatorio tipo PID. Medicin de densidad de pulpa alimentada a ciclones. Medicin de presin en la alimentacin a ciclones.

Finalmente, considerando el estado del arte actual en la tecnologa de instrumentacin, las siguientes nuevas mediciones conformarn el nivel de informacin de proceso 'ideal': Medicin de granulometra en la alimentacin al SAG. Comando independiente sobre cada alimentador. Medicin de flujo de pulpa alimentada a ciclones. Medicin de tamao de partculas y porcentaje de slidos en el rebalse de ciclones. Bomba de velocidad variable en alimentacin a ciclones. Vlvulas automticas (ON/ OFF) para apertura y cierre de ciclones. El nivel de instrumentacin ideal planteado permitira la incorporacin de modelos de proceso ms detallados, estimacin de variables no medidas y otras herramientas de soporte; dando lugar a un sistema de control ms poderoso, no slo con propsitos estabilizantes sino tambin para lograr una optimizacin global del comportamiento. Respecto de los requerimientos de hardware/software, existen varias opciones factibles, que van desde plataformas muy modestas con controladores independientes hasta algunas basadas en modernos y sofisticados DCS'S. En todos los casos, el cerebro del sistema es el 'computador supervisor (ver figura 7), donde residen las estrategias de control experto. Nuevamente, las opciones bsicas, en orden de complejidad creciente, son las siguientes:

Pgina 12

Control Automtico II

Control Experto

Figura7: Principales Elementos de un Sistema de Control Experto Para un Circuito de Molienda SemiAutgena.

Controladores autnomos con referencia remota, comunicados con el computador supervisor por medio de interfaces A/D y D/A convencionales. Una interfaz de proceso ligada a un PLC donde se realiza el control regulatorio el que, a su vez, se comunica digitalmente con el computador supervisor. El PLC puede o no tener su propia interfaz de operacin, como tambin algn software bsico de control. Un DCS equipado con componentes de hardware y software para interfaz de operacin, control regulatorio, tendencias, manejo de base de datos y otras capacidades propias de estos sistemas. El DCS se comunica con un computador de proceso externo donde residen las estrategias de control experto. Igual que el caso anterior, pero con un DCS que posee su propio computador de procesos y suficientes herramientas de software para ejecutar el control experto. Bajo las dos primeras opciones, el operador interacta con el terminal del computador supervisor. Con la tercera opcin, el operador puede escoger entre hacerlo directamente con el computador supervisor o por medio de los terminales del DCS. En todos los casos, el computador supervisor debe tener acceso a una base de datos en tiempo real, para que la estrategia sea alimentada con la informacin relevante del proceso. Asimismo, para la formulacin de la estrategia experta, debe existir una plataforma de software que permita la organizacin del conocimiento; es decir, la estructuracin lgica y ejecucin de las reglas decisionales. La mayora de los lenguajes de programacin, como Pascal, C, Basic, Fortran, son utilizables para tal propsito. En la opinin de los autores, es conveniente utilizar herramientas ms apropiadas para este propsito como son los 'shell expertos', pero ello no es imprescindible. En este ambiente, cada algunos segundos la estrategia accede a los datos del proceso, evala la condicin operacional actual del circuito y la proyeccin ms probable de ella, verificando la existencia de probables emergencias y restricciones a la operacin, para finalmente concluir el ciclo de control cargando a los controladores regulatorios los valores actualizados de las referencias operacionales, por medio de la base de datos.

Ejecucin de la Lgica Experta Como se anticip, la estrategia 'base' constituye la fundacin de cada estrategia 'a medida' y condensa todo el conocimiento previo acerca del control de circuitos de molienda SAG similares, en la forma de reglas decisionales y modelos generalizados del proceso, el que representa todo conocimiento comn y repetible entre otras plantas previamente estudiadas. En la gran mayora de las aplicaciones, la estrategia base conducir al sistema hacia el mximo tonelaje factible en el circuito, para una cierta especificacin de tamao de producto. En ocasiones, cuando la disponibilidad de mineral es limitada, el objetivo operacional podr ser una maximizacin de la eficiencia con que se utiliza la energa, manteniendo el molino con un llenado superior a un cierto nivel mnimo. (Ver fig. 8)

Pgina 13

Control Automtico II

Control Experto

Figura 8: Ejemplo de la Estrategia base en el Control Supervisor Experto para un Molino SemiAutgeno, Mostrando las Principales y Tpicas Reglas Decisionales.

La secuencia de ejecucin de las reglas es la siguiente: Reglas de Clculo Reglas de Sobrecarga Reglas de Alta Presin Reglas de Cajones Reglas de Sobrecorreccin Relas de Estabilidad Reglas de Optimizacin

De la secuencia de ejecucin de las reglas mostraremos acontinuacin algunas reglas principales empleadas para el desarrollo del Sistema Experto: Reglas de Sobrecarga:

Pgina 14

Control Automtico II

Control Experto

} Existen reglas para el caso de falta de agua, que detectan distintos grados de desviacin de % slidos, respecto de su SP, de manera de evitar la sobrecarga del molino. Adems existe una proteccin especial que si el % slidos llega a 85% por ms de 20 segundos de detienen los feeeders. (Ver fig. 9)

Figura 9

Reglas de Cajones Nivel de Cajon de 6 vas:

Pgina 15

Control Automtico II

Control Experto
Nivel de Cajones SAG:

Reglas de Alta Presin:

Experiencias en Planta En la Figura 10 se presenta una comparacin del comportamiento de una estrategia experta Super-SAG con respecto a la operacin bajo un DCS convencional. Estos histogramas comparativos de tonelaje estn basados en perodos de extensas pruebas tipo on/off, en las cuales la estrategia Super-SAG experta fue conectada y desconectada en sucesivos tumos de operacin; por lo tanto, ambas opciones de sistemas de control tuvieron igual probabilidad de estar expuestos a minerales y perturbaciones decaractersticas similares. En promedio, para el caso en referencia, el tonelaje del circuito aument cerca de un 11% (1.297 ton/hr vs 1.170 ton/hr), adems de una reduccin importante en la variabilidad del tonelaje. En aplicaciones similares el tonelaje ha aumentado en un rango de 5% a 12%, reduciendo la variabilidad en todos los casos. Como se mencion anteriormente, la operacin directa mediante los DCS an demanda una frecuente interaccin del operador para contrarrestar las emergencias del proceso. La 'campana' secundaria a la
Pgina 16

Control Automtico II

Control Experto
izquierda en el histograma del SCD de la figura 10 -indicada como la 'zona de pnico del operador- es interesante en cuanto refleja la sobrerreaccin del operador.

Figura 10: Histogramas Comparativos en Tonelaje de la Estrategia Experta SuperSAG Vs. La Operacin por medio de un SCD Tradicional.

Ante una emergencia declarada, en que innecesariamente se reduce el tonelaje a cerca de la mitad. Por el contrario, la estrategia experta no slo est preparada para manejar estas emergencias, sino tambin para evitar su ocurrencia, por medio del monitoreo continuo del estado del circuito y las tendencias que l exhibe. Para el mismo conjunto de datos, en la Figura 11 se compara los histogramas de presin de descansos. Ambos sistemas de control fueron capaces de mantener casi la misma presin promedio, es decir, llenados aproximadamente iguales. Ms importante an, sin embargo, es reconocer que con la estrategia experta se logr una notable reduccin en la variabilidad de la carga en el molino.

Figura 11: Histograma Comparativo de Presin de Descansos de la Estrategia Experta SuperSAG v/s el tradicional Sistema SCD.

El porcentaje de tiempo en que el molino estuvo expuesto a una condicin de baja carga (presin de descansos muy baja), o peor an, a una sobrecarga (presin de descansos muy alta), fue mucho ms alta cuando la operacin fue supervisada por medio del DCS que cuando acta la estrategia Super-SAG. Esta observacin tiene una implicancia muy significativa: al reducir el riesgo de llegar a una sobrecarga, una estrategia que ha sido adecuadamente sintonizada permite, de manera ms segura, operar a mayores niveles de llenado, protegiendo bolas y revestimientos, y desarrollando la mxima potencia en el molino SAG; en otras palabras, acercndose a la capacidad de tratamiento lmite de una instalacin dada.
Pgina 17

Control Automtico II

Control Experto
Complementando el anlisis, los histogramas de potencia del SAG, que se presentan en la Figura 12, ilustran que, aun cuando los promedios de llenado del molino fueron similares con ambos sistemas de control, es factible extraer an ms potencia al molino, en este caso 7% ms; nuevamente, con una significativa reduccin de la variabilidad de esta seal. Se espera este mejoramiento, dado que la estrategia experta ha sido programada para monitorear la real posicin de la curva potencia-llenado de modo permanente, sacando ventaja de cada oportunidad que sea posible aumentar la potencia, siempre tratando de acercarse a la mxima potencia especificada, por un apropiado manejo de la carga fresca y agua al molino. La velocidad del molino, siempre que est disponible, proporciona un grado de libertad adicional para lograr igual objetivo.

Figura 12: Histograma Comparativo de Potencia del SAG para la Estrategia Experta SuperSAG v/s el tradicional Sistema SCD.

Finalmente, es interesante reconocer que el aumento observado de tonelaje (11 %) excede el correspondiente aumento de potencia del SAG (7%). Esto es indicativo del hecho que, en general, la estrategia experta ayuda a optimizar no slo la capacidad del circuito, sino tambin la eficiencia energtica con la que el mineral alimentado est siendo procesado. El impacto financiero de estas observaciones no puede ser exagerado. Como se indic anteriormente, ste es slo uno de muchos ejemplos recientes de la aplicacin de los sistemas expertos para el control de las operaciones de los circuitos semiautgenos. Durante los ltimos cinco aos los autores han desarrollado otras cuatro implementaciones similares; totalizando de manera combinada un total de mineral procesado del orden de las 6.300 (ton/hr) (aproximadamente 50 millones de toneladas/ao).

Pgina 18

Control Automtico II