Sie sind auf Seite 1von 16

Otimização Estática e Dinâmica de Circuitos de Moagem

Marco Aurélio Soares Martins


Diretor de Operações - Engenheiro de Minas, M. Sc.
Rua Fernandes Tourinho, 602, 6º andar Funcionários Belo Horizonte - MG.
CEP: 30.112-000 Fone / fax * 55 * (31) 3282-8036 / 3282-7526
www.cemi.eng.br cemi@cemi.eng.br

A CEMI - Consultoria em Engenharia Mineral é uma reconhecida prestadora de


serviços no campo da engenharia mineral, atuando especialmente na área de processos,
na qual vem trabalhando desde 1991.

Por mais de dez anos, a CEMI tem obtido satisfatórios e surpreendentes aumentos de
produtividade e/ou de qualidade do produto na indústria cimenteira. Isto tem sido possível,
especialmente, devido à metodologia adotada nos projetos, mas também à forma de
trabalho, que implica sempre em uma parceria com as equipes das empresas.
Tecnologia de Simulação de Processos e um intensivo acompanhamento operacional
fazem parte dos trabalhos. Com a colaboração das equipes operacionais e de
manutenção das empresas clientes, áreas específicas da produção de cimento podem ser
melhoradas.

Nos últimos 25 anos, tem sido contínuo o desenvolvimento de uma tecnologia de


otimização para as indústrias mineral e cimenteira, baseada na utilização de modelos
matemáticos que caracterizam o processo, mostrando como variáveis operacionais em
unidades do processo afetam a performance operacional, em processos tais como
moagem, britagem, classificação e flotação.

Recentemente, esta metodologia tem sido utilizada no estudo e otimização da eficiência


operacional em plantas de processamento mineral. Aumentos de performance têm sido
também alcançados em unidades operacionais, especialmente em circuitos de moagem.

Durante o processo de otimização completo de uma planta de moagem, o objetivo é


estabelecer a performance máxima, levando-se em consideração parâmetros econômicos
e técnicos. A otimização de uma unidade de processo ou da usina completa pode ser
feita de duas formas:
• Otimização estática (ou estacionária)
• Otimização dinâmica
A otimização estática para plantas de cominuição, tratada neste artigo, se relaciona à
identificação de melhores parâmetros ou condições operacionais, utilizando a experiência
de profissionais que participam do projeto e softwares específicos para Simulação de
Processos. A aplicação dos resultados da otimização na indústria levam a uma maior
eficiência operacional, maior capacidade do circuito e/ou à obtenção de um produto de
melhor qualidade. Isto também significa um menor consumo de energia para a mesma
capacidade e qualidade do produto.

A otimização dinâmica lida com distúrbios presentes nos processos, como por exemplo,
alterações de granulometria no material que alimenta o moinho em circuitos de moagem;
distúrbios estes que acabam por gerar perdas de produção. O uso de sistemas de
controle avançados permite otimizar a performance da planta, apesar da ocorrência
destes distúrbios. Esta otimização pode ser alcançada pela aplicação de sistemas de
controle otimizantes.

O potencial de otimização de um circuito de moagem pode ser determinado por um


estudo preliminar de sua performance, e também por comparação com circuitos similares.
Alguns pontos são relevantes na metodologia empregada pela CEMI na otimização de
circuitos de moagem, para que os objetivos da otimização sejam alcançados. Por
exemplo, é sempre importante avaliar a performance atual do circuito através de
amostragem e supervisão do processo operacional. Amostras de diversos pontos do
circuito são, portanto, coletadas para execução de análises granulométricas e ensaios de
laboratório.

A estratégia de otimização implica na obtenção de ganhos em diversas unidades do


circuito, sendo observada sua performance global integrada. A otimização de unidades
isoladas pode resultar em efeitos não desejados, não levando ao aumento de
produtividade desejado ou ao melhor controle de qualidade do produto.

A tecnologia de Simulação de Processos é empregada como uma ferramenta de


trabalho, permitindo uma rápida e confiável análise do processo. Leva ainda a uma
melhor compreensão do circuito e do efeito de cada alteração no processo como um todo.
A performance do circuito pode ser avaliada nas mais variadas condições, após a
obtenção de balanço de massas e calibração dos modelos matemáticos do simulador
para os equipamentos existentes. Esta ferramenta permite ainda o dimensionamento de
equipamentos e o rápido acesso a gráficos, tabelas e curvas de partição.

A supervisão do processo operacional é essencial para assegurar que a equipe envolvida


compreenda o processo, e também para assegurar a adaptação sem transtornos quando
da implantação de alterações em parâmetros do processo, objetivando alcançar os
objetivos pretendidos.

Dados relativos aos equipamentos e performances dos mesmos e dados de amostragens


são mantidos para que possam ser usados como referência em estudos posteriores.
Amostras não utilizadas devem ser também mantidas para eventuais análises adicionais
necessárias, ao longo do desenvolvimento do projeto, enquanto alterações mecânicas
são implantadas no(s) separador (es) dinâmico(s) e parâmetros operacionais são
adaptados, de forma a melhorar a produtividade dos equipamentos e a eficiência de
separação.
Basis of Steady-State Simulation

Physical Properties
Input
• Flowrates
• Sizes
MODEL Output(s)
• Grades
• etc.

Parameters

• Feed stream
description Direct Steady-State Direct
• Plant operation
• Equipment Reverse simulator Reverse
• Plant capital cost
configuration

Figura 1: Estrutura da simulação estática


Durante a avaliação do circuito, a otimização da carga de bolas é feita empiricamente –
peneiramento longitudinal ao longo do moinho – e também através de testes em moinho
de laboratório, que avaliam tamanhos de bolas e distribuição da carga de bolas. A
primeira se relaciona à avaliação da redução de tamanho das partículas ao longo do
moinho, e a segunda avalia a cinética de quebra do material. Dados de laboratório e
dados industriais são conectados por equações adequadas de “scale-up”. As vantagens
da aplicação desta metodologia são a maior exatidão de resultados, o menor tempo
necessário para a otimização da carga de bolas e o menor custo envolvido.

EVOLUÇÃO DOS SISTEMAS DE CONTROLE

À medida que entramos no século 21, as indústrias ficam sob pressão para operar as
plantas continuamente a níveis sem precedentes de picos de performance econômica, em
um mundo altamente competitivo. As qualidades do produto, altas taxas de alimentação,
custos minimizados precisam ser atingidos a cada minuto.
Técnicas avançadas de controle de processo estão entre os métodos mais efetivos em
custo e prazo para melhorar a performance metalúrgica da planta. A Taxa de Retorno do
Investimento varia tipicamente de 100 a 5000 %.

A utilização de modelos físicos fenomenológicos nos sistemas de controle possibilita obter


valiosas informações do processo em tempo real, permitindo identificar e prever as
causas de distúrbios nas variáveis de controle, fazendo com que o sistema otimize a
operação a cada instante.

Com a constante mudança das necessidades empresariais para sobrevivência e


competitividade no mercado, os sistemas de controle evoluíram seguindo os objetivos e
utilizando as tecnologias desenvolvidas ao longo do tempo como mostra a figura 2 abaixo.
Era da Objetivos Tecnologia
de Controle
Toneladas de
Quantidade Concentrado
PLC ou
DCS

Toneladas + Qualidade
Qualidade Satisfação do Cliente

Sistema de
Controle
Otimizante
Toneladas + Qualidade OCS©
Performance + Performance De Pico

De Pico
Figura 2 – Evolução dos sistemas de controle.

SELEÇÃO DO SISTEMA DE CONTROLE APROPRIADO

Os seguintes critérios podem ser utilizados para selecionar o sistema de controle mais
apropriado:

• Se o processo é fácil de ser controlado, bem conhecido, com boas medidas das
variáveis manipuladas e a serem controladas, o controle por PID é adequado.

• Se o processo é mais complexo e uma estratégia de controle pode ser definida


pode ser utilizado um controle baseado em regras ou um sistema especialista
dotado de lógica nebulosa.

• Se existe um modelo fenomenológico disponível ou que possa ser desenvolvido


utilizar um sistema especialista baseado em modelo.

• Se não existe um modelo disponível e é difícil controlar, utilizar uma rede neural ou
controle multivariável.

• Se nenhuma destas situações é adequada, conceber novamente o processo.

SISTEMAS DE CONTROLE OTIMIZANTES

Estes sistemas são incorporados à estrutura de controle de uma usina industrial


comunicando diretamente com os CLP’s ou sistemas distribuídos, atuando em tempo real
nas variáveis manipuladas segundo estratégias desenvolvidas pelos operadores e
engenheiros da planta. A vantagem é que estão monitorando todas as variáveis do
circuito a cada instante, predizendo as perturbações que podem ser causadas às
variáveis controladas (itens de controle ou objetivos) e atuando antes que ocorram os
desvios. Como conseqüência, obtém-se menores dispersões nos resultados finais e
custos e produtividades otimizadas a cada instante.

Estes sistemas podem utilizar ferramentas e algoritmos que variam de acordo com o nível
de complexidade e de informações disponíveis na planta. Os objetivos do controle
também influenciam no projeto do sistema a ser utilizado. A seguir são examinados os
critérios para seleção do controle a ser utilizado.

Necessidade do sistema de controle otimizante na indústria cimenteira:

• Os processos produtivos na industria de cimento constituem sistemas complexos


não lineares, influenciados por inúmeros fatores. A otimização contínua da
qualidade, tonelagem e menores custos geralmente resulta em significativos
ganhos de lucratividade.

• Estratégias de controle complexas não podem ser implementadas


convenientemente utilizando tecnologia convencional de controle. Os sistemas de
controle otimizante podem ser desenvolvidos tão flexíveis quanto necessários.

• Grande parte do conhecimento do processo não pode ser apreendida através do


controle convencional. A tecnologia de controle otimizante oferece numerosa
alternativa para isto, principalmente com a utilização de modelos.

• O controle otimizante atualmente é uma tecnologia madura.

A figura 3 abaixo mostra a hierarquia e o fluxo de informações de processo em uma


fábrica com sistema de controle otimizante.

Optimizing Control System


PEAK PERFORMANCE

DCS or PLC &/or SCADA


STABILITY

Operator
Instrumentation

PROCESS

Figura 3 – Arquitetura de um sistema de controle otimizante.


SISTEMAS DE CONTROLE OTIMIZANTES BASEADOS EM MODELOS

Muitas limitações das estratégias clássicas de controle são devidas à falta de informações
sobre as magnitudes de respostas das variáveis controladas devidas às mudanças nas
variáveis manipuladas e da natureza das interações entre estas variáveis (Herbst and
Rajamani, 1982). O problema se agrava pelo fato de que importantes distúrbios, como
mudanças na composição mineralógica e dureza, exemplo relevante na moagem, não
podem ser medidas diretamente em tempo real. Métodos de controle de realimentação
consideram que a direção da mudança em uma variável manipulada para ação corretiva
em uma variável controlada é conhecida e que o ganho do controlador pode ser
adequado para todas as situações. Mas, frequentemente, as respostas dos sistemas de
processamento para produção de cimento são muito mais complicadas para serem
caracterizadas tão simplesmente. Uma solução adequada para este problema é
desenvolver e incluir no sistema de controle as informações que faltam sobre o processo,
através do desenvolvimento de um modelo. Através deste modelo, respostas bem
fundamentadas aos distúrbios podem ser previstas e, consequentemente, uma
performance otimizada pode ser atingida.

A essência de um sistema de controle baseado em modelo é:


1) Um modelo de processo simples o suficiente para ser usado em cálculos on-line mas
detalhado o suficiente para reproduzir as características essenciais do processo;
2) Um estimador que combina medições dentro do processo e informações do modelo
para determinar o estado do sistema a qualquer tempo e;
3) Um otimizador que usa o estado atual do sistema e o modelo para selecionar o melhor
caminho para as variáveis manipuladas de forma a atingir os objetivos do processo de
uma forma ótima.

Desta forma o otimizador supervisiona os set-points das malhas de controle fornecendo o


melhor caminho para o controlador e até pode alterar os set-points obedecendo as
prioridades e restrições do processo.

Uma questão fundamental para controle de processo:

√ Qual o conjunto ótimo de variáveis manipuláveis para atingir o objetivo do


processo (produção máxima, qualidade máxima, custo mínimo) neste momento no
tempo?

Segundo Melhor – Mais realístico

√ Quais ajustes devem ser feitos nas variáveis manipuláveis para atingir o objetivo
do processo (produção máxima, qualidade máxima, custo mínimo) neste momento
no tempo?

Na prática, esta segunda abordagem é mais eficaz e segura porque todas as decisões do
sistema passam pela gerencia do sistema especialista. Na primeira abordagem, um
modelo matemático calcula diretamente os pontos de ajustes do processo e envia para o
controle, o que pode ser muito perigoso.

O quadro abaixo resume as implicações e impacto no processo da implantação de


otimização dinâmica e estática do processo. Durante a vida de um empreendimento
mineral é muito importante buscar-se continuamente ambas abordagens para garantir alta
performance do processo e alto retorno financeiro.

Controle de Processo x Projeto ou modificação de


Processo
Projeto do Processo Controle de Processo
√ Período Longo. √ Período curto – Próximo período
de decisão.

√ Maior investimento / Maior √ Investimento menor / Menor


Benefício. benefício, mas alto custo.
√ Trocar / adicionar / modificar √ Fazer o máximo dentro do
equipamentos ou reagentes. processo existente – com o
mínimo de modificações.
√ Remover gargalos. √ Tirar o máximo dos equipamentos
– encontrar gargalos.

A figura 4 apresenta uma curva de produção versus tempo onde pode ser com parado o
impacto na produção do sistema de controle otimizante e otimização estática do processo.
No primeiro, o controle otimizante constantemente busca alcançar a produção máxima
possível alcançando as limitações dos equipamentos. No segundo gráfico, ao se
implantar uma modificação no processo pode-se alcançar maiores produções a partir da
remoção de limitações do processo relacionada com a capacidade individuais dos
equipamentos de processo e transporte. Por fim, o objetivo de sistemas de controle
otimizantes é encontrar limitações do processo e manter o controle muito próximo aos
limites técnicos garantindo qualidade do produto. Por outro lado, a otimização estática do
processo permite alcançar capacidades maiores a partir da remoção de limitações do
processo relacionada com os equipamentos de processamento e transporte que antes
eram observadas.
Controle de Processo vs. Projeto ou
modificação de Processo
Controle de Processo Melhoria do Processo
Actual New Theoretical
Production Production
Y-Axis

Y-Axis
Theoretical

Y-Axis
T heoretical
Production Production

X-Axis
X-Axis

Tentar alcançar a curva! Redefinir a


Curva!
Figura 4 – Controle do processo e modificação do processo

Simulação Estática de circuitos de moagem de cimento

A tecnologia de simulação de processos, através da utilização de softwares específicos,


permite a predição da operação da planta, de acordo com o material presente na
alimentação e características dos circuitos. A predição de características de fluxos de uma
planta em estudo, sob condições pré-determinadas, é chamada simulação direta. O retro-
cálculo da configuração da planta (como o dimensionamento de um determinado
equipamento) é chamado simulação reversa.

A simulação estática não compete com a simulação dinâmica, não representando também
um nível inferior de simulação. A simulação dinâmica de processos é um elemento chave
aos sistemas de controle de processos e uma ferramenta importante na determinação de
estratégias de controle. A simulação estática é tipicamente empregada no projeto, no
dimensionamento e na otimização de projetos de circuitos.
Figura 5 – Fluxograma de um circuito típico de moagem de cimento.

Tabela 1 – Descrições de modificações implantadas em um exemplo de projeto.

Descrição
1- Aumento do diâmetro da entrada de ar na alimentação do moinho
2- Determinação da carga de bolas ótima para a primeira câmara
3- Determinação da carga de bolas ótima para a segunda câmara
4- Implantação de um separador estático
5- Mudança na potência do filtro eletrostático
6- Bifurcação do manifold na tubulação para o filtro
7- Implantação de paletas ajustáveis na região superior do Separador

A simulação estática é uma abordagem efetiva no projeto de plantas, fornecendo muitas


possibilidades, tais como:
- Uma grande quantidade de hipóteses pode ser levada em conta na concepção do
projeto e de equipamentos.
- Equipamentos do processo e de transporte de material podem ser projetados e
dimensionados.
- A configuração ótima de uma planta industrial pode ser alcançada em um curto
período de tempo.
É também utilizada como uma ferramenta operacional para a tomada de decisões em
plantas existentes, para:
- Melhorias de projeto devido a alterações de mercado para o minério, mineral industrial
ou outro produto.
- Definição de parâmetros operacionais ou ajustes.
A evolução gerada pela disponibilidade desta tecnologia tem sido marcante, resultando
em mudanças no planejamento e supervisão de processos de avaliação pré-industriais.
Tradicionalmente, estes eram produzidos em uma escala pequena para as possíveis
configurações da nova planta industrial. No futuro, é esperado que a simulação seja a
ferramenta básica para a seleção da maioria das operações unitárias, levando-se em
conta projeto e objetivos operacionais.

A avaliação completa das condições gerais Cuidadosa inspeção ao interior do moinho


do circuito de moagem é necessária

Metodologia de Otimização

A metodologia empregada pela CEMI para otimizar circuitos de moagem de cimento e


outros materiais pode ser descrita como um trabalho conjunto entre a sua equipe e a
equipe da empresa cliente. Os trabalhos são cuidadosamente planejados e características
das instalações que podem afetar o processo de investigação são conjuntamente
levantadas. O objetivo inicial é a compreensão do circuito, no que diz respeito a sua
rotina operacional e de controle, além da coleta de dados atuais.

Amostragem Industrial

Amostras são coletadas em períodos constantes de tempo e em diferentes pontos dos


circuitos, com o moinho operando em condições estáveis. Dados operacionais
disponíveis são também coletados, tais como taxas de alimentação, pressões, taxas de
recirculação, etc. Em seguida, é feita uma parada do circuito para a coleta de amostras
internas ao moinho, que permitem a quantificação do fenômeno de cominuição.

A amostragem também inclui a coleta de informações sobre as condições operacionais,


comportamento do(s) classificador(es) e demais dados importantes referentes ao circuito.

Análise de Dados

Este item corresponde ao desenvolvimento de uma série de análises básicas, tais como:
- Estabelecimento do balanço de massas ótimo, considerando vazões, distribuições
granulométricas, etc. Softwares especializados são utilizados, tais como Usimpac e
Bilco, ambos desenvolvidos pela BRGM - Bureau de Reserches Geologiques et
Miniéres, Orléans, França.
- Calibração de modelos matemáticos do simulador para os diversos equipamentos
presentes no circuito. Com base em todos os elementos reunidos, é possível
comparar resultados obtidos pelo sistema com as condições reais do circuito
industrial, como um primeiro passo para o processo de otimização.

Figura 6: Entrada de ar em um moinho de Figura 7; Projeto de modificação em uma


bolas (vista externa), mostrando alta entrada de moinho: exemplo de uma entrada
resistência à entrada de ar. modificada, permitindo a entrada livre de ar.

Estudos Executados com a Ajuda do Simulador

Os seguintes itens fazem parte dos estudos:


- Construção de um modelo de moagem e classificação, baseado nas abordagens
energética e cinética para a moagem e curvas de partição para os classificadores.
- Análise de todas as opções para otimização, com a ajuda do simulador.
- Melhoria de performance do separador dinâmico pela realização de ajustes
operacionais, objetivando alcançar resultados obtidos nas investigações executadas.
- Análise cuidadosa do separador dinâmico é também executada, com a intenção de
introduzir modificações mecânicas que possam levar ao desejado aumento de
eficiência de corte.
- Carga de bolas e revestimento são avaliados por métodos empíricos, levando-se em
consideração os resultados do peneiramento longitudinal no moinho e o levantamento
de dados históricos.

Otimização da Carga de Bolas

O principal objetivo neste estágio é a obtenção da carga de bolas ótima considerando


tamanho de bolas e distribuição. A metodologia adotada implica na realização de testes
em moinho de laboratório, dotado de medidor de energia.

A partir da utilização de equações de “scale-up”, é possível predizer, com exatidão, a


performance da moagem industrial pela simulação de novas condições e cargas de bolas.
Este método assegura que haja um distúrbio mínimo na planta industrial e fornece uma
rápida e confiável forma de obtenção de condições ótimas para a moagem, utilizando
também métodos empíricos como apoio.
As condições ótimas para a carga de bolas são alcançadas em um período de tempo
bastante curto, permitindo ainda a análise do circuito como um todo, por simulação, a
partir das novas condições para a carga de bolas. Isto evita riscos de investimento de
capital na escolha da carga de bolas. A metodologia empírica tradicional demanda um
tempo maior para análise, muitas vezes não alcançando as condições ótimas.

Os testes são executados em moinho de laboratório dotado de medidor de energia, com


diversas composições de bolas, mais finas e mais grossas que a composição presente no
moinho industrial. Após a determinação da carga de bolas ótima, a implantação das
mudanças adotadas deve ser monitorada.

Mudanças no Separador Dinâmico

Mudanças mecânicas no separador dinâmico devem ser estabelecidas de forma a permitir


a eficiência de separação desejada e a otimização da produtividade do circuito.
Separadores dinâmicos em circuitos e moagem de cimento e outros materiais muito
freqüentemente podem ser otimizados. Em geral, mudanças na distribuição e circulação
de ar são necessárias para que seja possível trabalhar as forças que atuam no processo
de separação. A implantação do Optsep, especialmente desenvolvido pela CEMI, permite
a injeção de ar fresco no separador, reduzindo o nível de by pass.

Simulated Condition Capacity CC Designed


(t/h) (%) (%) (t/h)
BASE 128,2 0,0 85,0 128,2 Figura 8: Exemplo de um separador dinâmico
Dynamic Separator
By pass
de segunda geração.
Less 134,0 4,5 81.8 156.8
Lesser 137,0 6,8 78.4 160.3
Efficiency
Greater 134,0 4,5 82.7 156.8
Much Greater 143,0 11,5 70.7 167.3
Air through Mill - Outflow
CPII
50% increasing 132,0 2,9 86.9 154.4
100% increasing 137,0 6,8 84.3 160.3
ARI
50% increasing 105,0 5,0 193,0 122.9
100% increasing 107,0 7,0 192,0 125.2
Static Separator 150,0 17,0 99.6 175.5
Ball Mill
Compartment
2m x 10m 144,0 12,3 70.3 168.5
3m x 9m 142,0 10,7 72.1 166.1
Kinetics – Ball Charge
1st. Compartment 132,0 2,9 86.4 154.4
2nd. Compartment 153,0 19,3 86.4 179.0

Tabela 2: Exemplo de resultados de


simulação.

Implantando um Separador Estático

Algumas vezes, um separador estático é necessário na descarga do moinho, de forma a


ajustar a granulometria do produto no filtro eletrostático e permitir o aumento do fluxo de
ar através do moinho.

Exemplo Prático

Resultados de aplicação da metodologia de simulação de processos em um circuito de


moagem de cimento são apresentados abaixo. A figura 5 mostra o fluxograma de um
circuito que foi otimizado e a tabela 1 mostra a descrição dos pontos que passaram por
modificações.

Seguindo os passos da metodologia, é possível alcançar bons resultados previstos pelas


modificações, com relação a ganhos de produtividade e controle de qualidade do produto.
A tabela 2 mostra os resultados das opções avaliadas por simulação. O ganho potencial
obtido por cada intervenção foi também determinado, bem como pela combinação de
intervenções.

Partition Curve (Tromp) - Dynamic Separator


100

80
Probability to Coarse (%)

60

40

Actual (Fine: 15, Coarse: 16)


Optimized (Fine: 15, Coarse: 16)
20

0
0.1 1.0 10.0 100.0 1000.0 10000.0 100000.0
Particle Size (µm)

Figura 9: Curvas de partição para o Figura 10: Exemplo de modificação mecânica


separador dinâmico – Antiga e otimizada. realizada em um separador dinâmico para
reduzir o by-pass.

Determinação da Carga de Bolas Ótima

A “Metodologia do Moinho de Torque” é usada para determinar a carga de bolas ótima


para o circuito, utilizando a simulação estática, como descrito abaixo.

A equação que descreve a taxa de variação de tamanho das partículas em um moinho é


conhecida como equação de balanço populacional:

i −1
dm
= − S i mi (t ) + ∑ bij S j m j (t )
dt j =1

Onde:
mi = massa de material no intervalo de tamanho i;
Si = função seleção;
bij = função quebra;
t = tempo.
A função seleção descreve a velocidade de quebra das partículas e depende das
condições de moagem. A função quebra depende apenas do material.
As funções quebra e seleção podem ser determinadas em laboratório com testes simples
de moagem e técnicas de minimização de função. Como a função quebra depende
unicamente do material, ela pode ser transportada diretamente para o moinho industrial.
Já a função seleção depende de um artifício para ser utilizada em escalas diferentes.

Para fazer o “scale-up” dos resultados de laboratório para a escala industrial, é necessário
determinar a função seleção específica que independe do tamanho do moinho.

100

90

80 O r ig in a l

T e s te 0 1
70
T e s te 0 3
60
T e s te 0 4

50 T e s te 0 5

40

30

20

10

0
1 10 100 1000 10000 100000

Figura 11: Função seleção para vários testes.

O OptSep

O OptSep é um sistema desenvolvido pela CEMI para otimização da eficiência de


separadores dinâmicos em circuitos de moagem a seco.

A classificação fina em circuitos fechados de moagem a seco na indústria mineral


freqüentemente é feita com separadores dinâmicos, que utilizam o processo de
centrifugação através do ar como principio básico de classificação. São unidades
grandes, de alta capacidade. Contudo, possuem eficiência de separação relativamente
baixa, principalmente os separadores dinâmicos de primeira geração, quando
comparados com a classificação por peneiramento ou sedimentação. Desta forma, nos
circuitos de moagem haverá significativa recirculação de partículas finas, que poderiam
estar sendo encaminhadas para o produto final. Isto ocasiona perda de capacidade do
circuito, que possui limites fixos, além de interferir na eficiência de moagem.

O desenvolvimento do OptSep vem de encontro à necessidade de melhoria de eficiência


dos separadores dinâmicos, retirando o material fino que estaria retornando ao moinho.
Isto é possível por tratar-se de uma injeção extra de ar provocando a reclassificação do
material.

O sistema OptSep é constituído por uma voluta com palhetas reguláveis para entrada de
ar fresco no separador e um dispositivo de saída de ar, necessário para permitir a entrada
de ar pela voluta, interligado ao sistema de exaustão do circuito de moagem. A
implantação do sistema OptSep permite a redução significativa de by pass na
classificação.

Figura 12: Estrutura geral do OptSep.

Resultados Práticos

Estudos de otimização para uma configuração particular de moagem foram efetuados


pela CEMI em 1998. A tabela 3 apresenta a evolução da produtividade do circuito ao
longo do projeto.
Produtividade (t/h) Circuito 1 Circuito 2
Junho 84.8 80.5
Julho 84.4 77.4
Agosto 86.3 83.4
Setembro 86.4 82.6
Outubro 95.6 85.9
Novembro 97.4 83.7
Dezembro 103.2 92.7
Tabela 3: evolução da produtividade em circuitos de moagem de cimento.

Conclusão

Utilizando a metodologia de simulação de processos, é possível obter resultados


significativos em termos de ganhos de produtividade e melhorias operacionais em ambos
os circuitos de moagem e classificação, a baixo custo e em curto prazo. Graças ao
desenvolvimento de modelos matemáticos precisos, que podem predizer efeitos de
modificações operacionais e mecânicas, dispendiosos testes industriais podem ser
evitados.

O software Usimpac 3.0, utilizado pela CEMI, representa uma nova geração de
simuladores, com estrutura flexível e amigável, adaptável e aberto a novos
desenvolvimentos. Sua estrutura possui poderosos algoritmos para executar balanços de
massas precisos e calcular curvas de partição, podendo ser largamente utilizado para
simulação de processos na indústria cimenteira.

A metodologia adotada vem provando sua eficiência em diversos projetos executados


pela CEMI, podendo ser facilmente padronizada para o uso em projetos de diversas
empresas e equipes de desenvolvimento e projeto, permitindo a inclusão de detalhes
locais específicos e critérios específicos para as várias operações unitárias do processo.

REFERÊNCIAS

1. Martins, M.A.S & Seixas, F. (1992) – “Avanços no Controle e Supervisão de


Processos Minerais”.
2. Durance, M. V., Guillaneau, J.-C., Villeneuve, Fourniguet, G., Brochot, S.,Usim Pac 2
for windows: “Advanced simulation of mineral Processes”, Progress in Mineral
Processing Tecnology, Demirel & Ersayin (eds)  1994, Balkema, ISBN
3. Guillaneau, J.-C., Durance, M. V., Villeneuve, J., Guyot, O., “Computer aided
Optimization of Mineral Processing Plant: Usim Pac 2.0 for Windows”, Avanced
Tecnologies for Mineral Processes, three years of innovation, junho de 1993, Orleans,
França.
4. Guillaneau, J.-C., Durance, M. V., Villeneuve, Fourniguet, G., Brochot, S., “Computer
simulation of mineral and hidrometallurgical processes: Usim Pac 2.0, a single
software from design optimization”, International Symposium on Modeling, Simulation
and Control of Hidrometallurgical Processes, 24 de agosto a 2 de setembro, 1993,
Quebec, Canadá.
5. Guillaneau, J.-C., Durance, M. V., Villeneuve, J., Brochot, S., Fourniguet, G.,
“Simulation Improvements in Mineral Processing”, Mineral Processing and Extractive
Metallurgy Review, 1995, Vol. 15, pp. 205-215
6. Libaude, J., Morizot, G., Morin, D., Guillaneau, J.-C., “New Technological
Developments in Mineral Processing”, Asian Mining, 1993, Índia.
7. Carvalho, C.R.C, (1999) - Relatório final do projeto de otimização dos circuitos de
moagem de cimento da Fábrica de Tocantins – CCPI.
8. Minérios e Minerales, Abril 1999.
9. Control of Mineral Processing Systems – Svedala-Brenda Process Technology-
Orlando, Florida – Março 1998
10. Herbst, J.A. & Oblad A.E., “Industrial Results Using Model-Based Expert System
Control of Mineral Processing Plants”.
11. Herbst, J.A. & Rajamani, K. (1982) – “The Application of Modern Control Theory to
Mineral-Processing Operations”. Proceedings, 12th CMMI Congress. Johannesburg, S.
Africa.
12. Vien, A., Edwards R.P., Perry, R., e Flintoff B.C. (1996) – “Back to the Basics in
Process Control”.