Beruflich Dokumente
Kultur Dokumente
AFINES
CONTROL ESTADISTICO
MULTIVARIANTE EN CIRCUITOS DE
MOLIENDA
PRESENTADO POR:
Ing. CRISTHIAN CURO LORO
MOQUEGUA PERU
2012
RESUMEN
El trabajo consiste en investigar el efecto de
todas las variables que existen e interactan
en el proceso de molienda evaluando las
variaciones de stas y el impacto que tienen
sobre el tonelaje.
Lamas
MOLINO DE Arenas
ESPESADOR DE CONC.
de Cu 160 dia (1) ESPESADOR CONC. Cu- Mo 160 Dia (1)
COLA FINAL
ATANQUES
Flotacin Rougher LEYENDA
ENVEJECIMIENTO (3)
1ra-10ma Limpieza SECADOR (2)
Conc. De Cobre MINERAL DE MINA
SECADOR FILTER (4)
A Fundicin TANQUE FILTRO CONCENTRADO
(2) FILTER LIXIVIACION (2) CONC. COBRE MOLY
DE PRESION(1) CONC. COBRE
Concentrado de Cobre (3) CONC. MOLY
Conc. Moly a Puerto Ilo
Almacenamiento COLAS
De Concentrado Flotacin Rougher (Celdas OK
-8) 300-cu.ft. (6) AGUA
LAZOS DE CONTROL MOLINO 1C
SCAN-PI, Tests Analticos
VFA; Anlisis de Factores de Variabilidad:
Representacin estructura proceso VF Representa la direccin de
a. Normalidad:
b. Homocedasticidad:
c. Linealidad:
Entre las tcnicas ms conocidas se tiene:
LINEAL
matriz
Definicin
de datos
de la
est
Pertenencia
escalada) / No Pertenencia a
un Se
Patrn
determinan
de Operacin
Ejes de mxima variabilidad
Presin [psi]
VF_1
VF_2
VF_1 VF_2
VF_2
VF_1
Potencia [W]
Temperatura [C]
Matemticamente, la descomposicin VFA para
una matriz X de datos con n muestras y k
variables (centrados y escalados
apropiadamente) es:
PLS
PLS al igual que VFA calcula componentes principales que indican la direccin
de
mxima variabilidad en la matriz X de datos, llamadas Vectores Latentes (VL),
pero
escoge para el anlisis slo aquellas cuya covarianza con la variable de
respuesta a
predecir sea mxima. As, PLS define variables latentes VLs que mejor
describen la
distribucin de datos en el espacio X y a la vez predicen de mejor manera el
valor de
la variable de respuesta en el espacio Y.
-
Calculo de VL1:
VL1 mejor
correlacionado
con y
Y1 = X1 B11+X2B12+...+XKB1K
PLANTEAMIENTO DEL DESARROLLO DE LA TESIS
870 LPM
5200 LPM
Se trabajo con una data de 12096 datos, las cuales c
con las principales variables en el proceso de molien
Se realizo un anlisis de las variables separndolas
semanas con el objetivo de determinar los limites d
WEEK MEDIA DES. EST RANGO MINIMO MAXIMO COUNT
LIMITES DE CONTROL - X
310
300
290
TONELAJE (TM)
280
270
260
250
240
230
220
1 2 3 4 5 6 7 8 9 10
SEMANAS
MINIMO MAXIMO MEDIA Xp
Para la determinacin de los puntos fuera de
control fue necesario emplear el uso del SCAN
que cuenta con opciones que permiten captar
los datos que solo cumplen con las
condiciones del anlisis requerido
GRAFICA DE OUTLIERS DEL TONELAJE
500
400
300
TM
200
100
0
0 200 400 600 800 1000
Datos
El primer paso para la determinacin del
modelo fue eliminar los puntos outlier
mediante el Data Filtering.
MODELOS PREDICTIVOS
TABLA N 17: TAGS DEL MOLINO 1C
Variable Tags
Tonelaje ( TMH) WIC1043-1
Empleando el EXCEL
Empleando el SCAN
%Malla 65 33.587 1.1007*' DI1103 - 35'0.0174*' WIC1043 - 1'-1.3703*' PI1173 - 01'
0.0597*' LIC1163 - 01'0.2643*' JI1106 - 1'0.0097*' FIC1103 - 3'0.004*' FIC1103 - 1'
0.0004095*' FIC1163 - 05'0.000184*' FIC1103 - 2'
MODELO %MALLA+65:
MODELO PREDICTIVO
TONELAJE:
Tonelaje TMH 145.67638 0.9052418*' AI1103 - 35'2.711986*' DI1103 - 35'8.871823*' PI1173 - 01'
2.73878*' II1173 - 05'-0.2573*' XY1103 - 1'10.257077*' JI1103 - 1'0.0229*' FIC1103 - 3'
- 0.004816*' FIC1103 - 2'0.017769*' FIC1163 - 05'
ANALISIS DE INCREMENTO DE
TONELAJE MOLINO 1C CON
APLICACIN DEL SCAN
Se tiene dos modelos generados por el SCAN
(lnea amarilla y verde) los cuales indicaban
que se poda pasar un mayor tonelaje al real
(lnea azul), fue as que se procedi a
incrementar el tonelaje de 250TMH a 255TMH
El tonelaje se increment de 250TMH a
255TMH,
haciendo uso del modelo generado en el
SCAN
DISCUSION - ANALISIS DE LOS RESULTADOS