UNIVERSIDAD TCNICA FEDERICO SANTA MARA

DEPARTAMENTO DE INGENIERA QUMICA Y AMBIENTAL

VALPARASO-CHILE




DESARROLLO Y EVALUACIN DE UN
SISTEMA DE CONTROL DIFUSO PARA
UNA COLUMNA DE FLOTACIN PILOTO


Memoria de Titulacin para optar al ttulo de
INGENIERO CIVIL QUMICO

Profesor Gua: Dr. Luis Bergh Olivares
Profesor Correferente: Dr. Juan Yianatos Bernardino

DIEGO JAVIER SOTO GUTIRREZ

Diciembre 2013

i






ii

Agradecimientos

En primer lugar agradecer a Jesucristo, mi Salvador y Seor, quien ha
creado todo lo que existe y nos da la capacidad de admirar y estudiar la
belleza de Su creacin, como est escrito en Colosenses !" #porque por $l
%ueron creadas todas las cosas, las que hay en el cielo y las que hay en la
tierra, visibles e invisibles& sean tronos, sean dominios, sean principados,
sean potestades& todo %ue creado por $l y para $l'( )gradecer a $l en
primer lugar el privilegio de poder estudiar y alcanzar esta meta, darme
la motivacin y las energ*as para salir delante de prueba en prueba,
victoria tras victoria(
) mis padres +icols y ,atiana, por todo el es%uerzo, la paciencia y la
sabidur*a con la que me han amado y cuidado siempre( Esta es una
pequea recompensa a aos de sacri%icio y oracin por parte de ellos(
) mis hermanos, Esteban, -aniela y Constanza por todo el cario y el
apoyo que he tenido de parte de ellos( .stedes son mis me/ores amigos y
cuando ustedes lleguen tambi0n a este punto yo estar0 ah* para apoyarles
en todo( S0 que aunque vengan momentos en que la distancia no nos
permita vernos seguido siempre estaremos unidos y nos apoyaremos como
la gran %amilia que somos(
) mi polola Judith por su constante apoyo y amor incondicional que me
ha dado, y me ha motivado a dar lo me/or de m* para este estudio( 1ue
hayas llegado a mi vida en estos aos no es coincidencia y agradezco al
2adre por la bendicin de tener a esta hermosa y sabia compaera a mi
lado(
) mis amigos y compaeros en la .niversidad! Cristbal, 3lvaro, 4anuel,
)rlette, )le/andro, 4arianna, Javiera y muchos ms( ,odos ustedes los
llevar0 siempre en mi corazn, y recordar0 todos los buenos momentos
/untos( 5es admiro por los tremendos talentos que veo en ustedes y por la
amistad que me han dado, excelentes personas que estn llamadas a ser
pro%esionales destacados en todo aquello que hagan(
)l 2ro%esor 5uis 6ergh 7livares por toda la ayuda, el apoyo, su in%inita
paciencia y sabidur*a( 2or su gu*a durante todo este proceso, su buena
disposicin, in%initas gracias(
2ara todos aquellos que tambi0n %ueron parte de mi experiencia en estos
aos de .niversidad, que con sus alegr*as, motivaciones y oraciones han
puesto su granito de arena en %ormar la persona que soy ahora( 8altar*an
ho/as para agradecerles, ya que sin todos ustedes esto no habr*a sido posible(

iii

Resumen Ejecutivo
En el presente trabajo se realiz el estudio de un control difuso sobre una
columna de flotacin piloto que acta como sistema supervisor administrando
los set points de los lazos de control convencional: profundidad de espuma y
flujo de aire, en funcin de los resultados metalrgicos de recuperacin y ley
de concentrado.
Para este fin se desarroll una interfaz grfica (HMI) con la ayuda del software
Intouch HMI de Wonderware, en el cual el usuario puede acceder al
monitoreo en lnea de la operacin de la columna de flotacin a escala piloto
que se encuentra disponible en el Laboratorio de Control de Procesos del
Departamento de Ingeniera Qumica y Ambiental de la UTFSM.
La columna oper con una mezcla de agua y espumante MIBC en circuito
cerrado, en el cual se implement un Sistema de Control Distribuido (DCS)
constituido por los lazos de control de tipo estabilizante, encargados de
mantener los valores de la profundidad de espuma y flujo de aire. El flujo del
agua de lavado se mantuvo fijo para evitar interacciones con las otras variables
de control.
A partir de las variables operacionales y las propiedades mineralgicas de
mineral de calcopirita, se realiza una estimacin del resultado metalrgico de
la operacin en trmino de ley de concentrado y recuperacin de cobre,
mediante un simulador metalrgico de tipo esttico programado desde el
software Matlab .
Para utilizar el simulador esttico fue necesario acoplar un detector de estado
estacionario programado en el mismo software, el cual detecta los estados
transientes y estacionarios del proceso para hacer vlidas las ecuaciones del
simulador metalrgico.
Se dise un control supervisor difuso mediante la herramienta Toolbox Fuzzy
Logic de Matlab, en el cual el usuario libremente puede modificar los
parmetros del control, tales como tablas lgicas de control, funciones de
pertenencia, etc., modificando durante la operacin los set points de los
objetivos secundarios de la columna imitando el comportamiento de un
operador experimentado.
Se cre un mdulo de coordinacin que permitiera monitorear el universo de
las variables involucradas, enviando una alarma al operador cuando existieran
condiciones en la calidad de la alimentacin que no permitieran alcanzar los
objetivos de control con los recursos que dispone la columna de flotacin.
Adems, este mdulo de coordinacin permita hacer un uso eficiente de los
recursos de control para alejar la operacin de los lmites de saturacin de los
recursos, de esta forma el sistema elega utilizar para la decisin de control
entre el recurso de profundidad de espuma y flujo de aire.

iv

El desempeo del control supervisor se evalu mediante 3 set de experiencias
simulando operaciones tpicas dentro del rango de actuacin del sistema
donde se desea mantener los objetivos mineralgicos de ley y recuperacin
dentro de un margen. Se compar en cada caso la operacin del supervisor a
un caso base donde no existe control supervisor, y cada experiencia fue
sometida a perturbaciones en las condiciones de alimentacin, simuladas a
travs de un algoritmo de generacin de variables estocsticas de manera que
las condiciones fuesen lo ms cercanas a una operacin de una planta real.
Los resultados de la experiencia arrojaron que el control supervisor difuso, a
diferencia del control convencional, es capaz de mantener los resultados
mineralgicos dentro de los lmites de control hasta un 90% del tiempo de
operacin. Sin embargo, la variabilidad en la calidad de las condiciones de
entrada pueden restringir la eficacia del control supervisor, haciendo necesaria
la existencia del mdulo de coordinacin que monitoree continuamente la
calidad de la alimentacin principalmente y avise al operador cuando sto no
se cumple, de forma que el control supervisor pueda actuar y ser eficaz en el
rango para el cual fue diseado.

Palabras clave: Columna de flotacin, Control PID, Lgica difusa, Simulador
metalrgico, Deteccin de estado estacionario, Variables estocsticas.




v

Abstract
This work is a research study of fuzzy control on a pilot flotation column, acting
as a supervisory control maintaining the set points of the conventional control
loops: froth depth and air flowrate, in order to obtain the metallurgical results of
recovery and concentrate grade.
To achieve this, a Graphical User Interface (HMI) has been developed with the
help of software Wonderware InTouch HMI, in which the user can monitor
the operation of a pilot flotation column online. This column is available in the
Process Control Lab in the Department of Chemical and Environmental
Engineering (UTFSM).
The column was operated using a mixture of water and the flotation frother
MIBC in a closed loop control. A Distributed Control System (DCS) was
implemented, consisting in control loops responsible for maintaining the set
points of froth depth and flowrate values.
From the operational variables and mineralogical properties of chalcopyrite ore,
the metallurgical results were estimated in terms of the concentrate grade and
copper recovery. This was done using a metallurgical static simulator
programmed in the software Matlab .
In order to use the static simulator it was necessary to add a steady state
detector programmed in the same script of the software. This software detects
transient and stationary states of the process in order to apply the stationary
equations of the metallurgical simulator.
A fuzzy supervisory control was designed using Matlabs Toolbox Fuzzy Logic,
in which the user can freely model and modify the control parameters, such as
logic control tables and membership functions. This supervisory control acts on
the set points of the of the flotation column secondary objectives. This
simulates the behavior of an experienced operator.
A coordination module was created in order to monitor the desired variables
involved in the process. The module sends an alarm to the operator, when feed
conditions do not allow the control objectives to be met with only the flotation
column available resources. In addition, this coordination module allowed for
an efficient use of the control resources to take the operation conditions far
from the saturation limits. Thus, the system could choose between the
resources of froth depth and air flowrate.
The supervisory control performance was evaluated through 3 sets of
experiments simulating the typical operations within the control systems range
of action, keeping the mineralogical objectives of mineralogical grade and
recovery within a control range. In each set, the operation of the supervisor
was compared to a base case where there is no supervisory control. Each

vi

experiment was completed under stochastic disturbances in the feed
conditions. These simulated disturbances came from an algorithm that
generated random variables, such that the conditions were closer to an
operation of an actual flotation column.
The results of this study suggest that the fuzzy supervisory control, unlike
conventional control, is more capable of maintaining the metallurgical results
within control limits for almost 90% of the operation time. However, variability
in the quality of the feed conditions may restrict the effectiveness of supervisory
control, becoming necessary the existence of a coordination module that
continuously monitor the feed quality and notify the operator when the
conditions found will not allow the supervisory control to act.

Keywords: Flotation column, PID controller, Fuzzy logic, Metallurgical static
simulator, Identification of steady state, Stochastic variables.




vii

ndice de Contenidos

Resumen Ejecutivo ........................................................................................................... iii
Abstract .............................................................................................................................. v
ndice de Contenidos ...................................................................................................... vii
ndice de Tablas ................................................................................................................ x
ndice de Figuras ............................................................................................................. xii
CAPITULO 1 ....................................................................................................................... 1
Introduccin ..................................................................................................................... 2
1.1 Antecedentes Generales ...................................................................................... 2
1.2 roceso de Flotacin Columnar .......................................................................... 3
1.! "ariables del roceso de Flotacin Columnar .................................................. 5
1.# $imulador %etal&rgico de la Columna de Flotacin......................................... 8
1.' Resultado %etal&rgico de la ()eracin ............................................................. 9
1.* Control Autom+tico .............................................................................................. 9
1.*.1 Estrategias de Control .................................................................................. 9
1.*.2 Control ,istribuido Convencional ............................................................ 10
1.*.! Control $u)ervisor ...................................................................................... 10
1.- .gica ,i/usa ....................................................................................................... 11
1.-.1 Antecedentes ............................................................................................... 11
1.-.2 Conce)tos 0+sicos ....................................................................................... 11
1.-.! Eta)as de Control ,i/uso ............................................................................ 13
1.-.!.1 Eta)a de Fu1i/icacin .......................................................................... 14
1.-.!.2 0ase del Conocimiento ........................................................................ 14
1.-.!.! roceso de In/erencia ......................................................................... 15
1.-.!.# Eta)a de ,es/u1i/icacin ..................................................................... 15
1.2 (rgani1acin del %aterial ................................................................................. 17
CAPITULO 2 ..................................................................................................................... 18
E3ui)o E4)erimental ..................................................................................................... 19
2.1. ,escri)cin del E3ui)o E4)erimental ............................................................. 19
2.1.1. Circuito de Aire ............................................................................................ 21
2.1.2. Circuito de Agua .......................................................................................... 21
2.2. $istema de Control ,istribuido ......................................................................... 22

viii

2.2.1. roceso ......................................................................................................... 22
2.2.2. .C 5rogramable .ogic Controller6 ........................................................ 23
2.2.!. Inter/a1 del 7suario .................................................................................... 24
2.!. .a1os de Control Convencional ......................................................................... 30
2.!.1. .a1o de Control de la ro/undidad de Es)uma........................................ 31
2.!.2. .a1o de Control del Flujo de Aire .............................................................. 33
2.!.!. $inton8a de Controladores ......................................................................... 35
2.!.#. ,eteccin Estado Estacionario .................................................................. 36
CAPITULO 3 ..................................................................................................................... 38
Im)lementacin del Control $u)ervisor ,i/uso ......................................................... 39
!.1. Introduccin ........................................................................................................ 39
!.2. Control $u)ervisor ,i/uso ................................................................................. 39
!.2.1. Funciones de ertinencia ........................................................................... 40
!.2.2. 0lo3ue de Antecedentes ............................................................................. 41
!.2.!. 0lo3ue de Consecuencias ........................................................................... 42
!.2.#. Rango de Accin .......................................................................................... 43
!.2.'. Tiem)o de %uestreo ................................................................................... 44
!.2.*. ,es/u1i/icacin ............................................................................................ 44
!.!. %dulo de Coordinacin .................................................................................... 44
!.#. ,escri)cin de $o/t9are ,esarrollado ............................................................ 50
CAPITULO 4 ..................................................................................................................... 55
E4)eriencias de Control ................................................................................................ 56
#.1. ,ise:o de e4)eriencias ...................................................................................... 56
#.2. An+lisis de resultados ........................................................................................ 58
#.2.1. An+lisis de datos; E4)eriencia 1 ................................................................ 58
#.2.2. An+lisis de datos; E4)eriencia 2 ................................................................ 63
#.2.!. An+lisis de datos; E4)eriencia ! ................................................................ 68
#.2.#. (bservaciones generales ........................................................................... 73
CAPITULO 5 ..................................................................................................................... 75
Conclusiones < Recomendaciones ............................................................................... 76
'.1 Conclusiones ........................................................................................................ 76
'.2 Recomendaciones ............................................................................................... 77
0I0.I(GRAFA ................................................................................................................ 79

ix

A=>,ICE A; $imulador Est+tico del Com)ortamiento de la Columna de Flotacin
.......................................................................................................................................... 81
A.1 %odelo %etal&rgico 5.eiva? 1@@*6 ................................................................ 81
A.2 An+lisis de $ensibilidad del %odelo %etal&rgico ....................................... 84
A=>,ICE 0; %Atodo de Identi/icacin de Estado Estacionario ............................... 89
A=>,ICE C; $inton8a de Controladores I, .............................................................. 92
C.1 %Atodo de (scilacin de Biegler >icCols ..................................................... 92
C.2 %Atodo de la Curva de Reaccin de BieglerD>icCols ................................... 93
A=>,ICE ,; Algoritmo de Generacin de "ariables Estoc+sticas .......................... 95
A=>,ICE E; Algoritmo ,esarrollado en $o/t9are %atlab ....................................... 97
A=>,ICE F; A)Andice ,igital



x

ndice de Tablas


1. Tabla 1.1 Condiciones normales de operacin para variables de proceso de columna de
flotacin a escala piloto e industrial (Fuente: Acosta 2006) 7
2. Tabla 1.2 Tabla lica de control para controlar condiciones de invernadero (Fuente:
ccia.ei.uvio.es!docencia!"A) 15
3. Tabla 2.1 Caracter#sticas de dise$o de la Columna de Flotacin 19
4. Tabla 2.2 %escripcin de la "nstrumentacin & e'uipos de la columna de flotacin 20
5. Tabla 2.( %irecciones )*C de los distintos sensores & actuadores de la columna de flotacin
24
6. Tabla 2.+ ,ariables monitoreables en reistro -istrico 26
7. Tabla 2.. /ensores utili0ados para el la0o de control de profundidad de espuma 32
8. Tabla 2.6 Actuador utili0ado para el la0o de control de profundidad de espuma 33
9. Tabla 2.1 Transductor "!) asociado al actuador del la0o de control de profundidad de
espuma 33
10. Tabla 2.2 %etalle flu3metro m4sico utili0ado para medir el Flu3o de Aire 34
11. Tabla 2.5 Actuador utili0ado para el la0o de control del flu3o de aire 34
12. Tabla 2.10 Transductor "!) asociado al actuador del la0o de control de flu3o de aire 34
13. Tabla 2.11 )ar4metros para *a0o de Control de )rofundidad de 6spuma 35
14. Tabla 2.12 )ar4metros para *a0o de Control de Flu3o de Aire 35
15. Tabla (.1 Tabla de Control 1 43
16. Tabla (.2 Tabla de Control 2 43
17. Tabla (.( 7anos en las condiciones de entrada para el funcionamiento del control
supervisor difuso 48
18. Tabla +.1 ,ariables perturbadas & el rano correspondiente 57
19. Tabla +.2 /et points de condiciones iniciales & ob3etivos mineralicos 57

xi

20. Tabla +.( %esempe$o de controles 68periencia 1 60
21. Tabla +.+ 68periencia 2 9 Cambios en los par4metros de control difuso 64
22. Tabla +.. %esempe$o de controles e8periencia 2 66
23. Tabla +.6 %esempe$o de controles 68periencia ( 71
24. Tabla :.1 ,alores de los factores de filtro & RCRITICO | para las variables de
dianstico de la operacin de la columna de flotacin 91
25. Tabla C.1 )ar4metros de Controladores )"% se;n el m<todo de oscilacin de =ieler9
>ic-ols 93
26. Tabla C.2 )ar4metros de controladores )"% se;n el m<todo de la curva de reaccin de
=ieler 9 >ic-ols 94
27. Tabla %.1 7anos en las variables perturbacin & par4metro A 96



xii

ndice de Figuras
28. Fiura 1.1 63emplo de Circuito de Flotacin 7C/ simplificado (Fuente: )ave0 2011) 4
29. Fiura 1.2 6s'uema eneral de una Columna de Flotacin (Fuente: Acosta 2006) 5
30. Fiura 1.( 6s'uema del /imulador ?etal;rico 8
31. Fiura 1.+ Formas de Funciones de )ertenencia 12
32. Fiura 1.. 7ano de 6dades desde el )unto de vista difuso (Fuente: *eiva 1556) 13
33. Fiura 1.6 6structura de un controlador %ifuso (Fuente: *eiva 1556) 13
34. Fiura 1.1 ?<todo de la altura 16
35. Fiura 1.2 ?<todo del Centro de @ravedad 16
36. Fiura 2.1 6s'uema en )A"% de la Columna de Flotacin en el *aboratorio de Control de
)rocesos 20
37. Fiura 2.2 )*C @6 B Fanuc de la /erie 509(0 23
38. Fiura 2.( "nterfa0 de Csuario: ,entana )rincipal 25
39. Fiura 2.+ "nterfa0 de Csuario: 7eistro Districo 27
40. Fiura 2.. "nterfa0 del Csuario: Controlador )"% 28
41. Fiura 2.6 "nterfa0 de Csuario: Control 68perto9%ifuso 29
42. Fiura 2.1 "nterfa0 del Csuario: /imulador ?etal;rico 30
43. Fiura 2.2 %iarama de la columna de flotacin con las variables usadas para estimar la
profundidad de espuma (0) 31
44. Fiura 2.5 @r4fico de control )" de profundidad de espuma 35
45. Fiura 2.10 @r4fico de control )" de flu3o de aire 36
46. Fiura 2.11 @r4fico de profundidad de espuma & detector de estado estacionario 37
47. Fiura (.1 Tablas licas del control supervisor difuso 40
48. Fiura (.2 Funciones de pertenencia para las variables de entrada 41
49. Fiura (.( 68plicacin r4fica de par4metros utili0ados en mdulo de coordinacin 46
50. Fiura (.+ /ensibilidad *e& de Alimentacin (profundidad de espuma: 1.0 EcmFG flu3o de
aire: ( ElpmF) 47

xiii

51. Fiura (.. %iarama de flu3o del mdulo de coordinacin para 6H>6F 49
52. Fiura (.6 %iarama de flu3o del mdulo de coordinacin para 6H<6F 50
53. Fiura (.1 6ditor Toolbox Fuzzy Logic 51
54. Fiura (.2 6ditor de funciones de membres#a para la recuperacin de espuma 52
55. Fiura (.5 Funciones de membres#a para la profundidad de espuma 53
56. Fiura (.10 Funciones de membres#a para el flu3o de aire 53
57. Fiura (.11 6ditor de relas licas para el control difuso 54
58. Fiura +.1 68periencia 1 9 @r4fico le& de concentrado 20H 58
59. Fiura +.2 ,ariables perturbacin en la 68periencia 1 59
60. Fiura +.( 68periencia 1 9 @r4fico recuperacin .0H 60
61. Fiura +.+ 68periencia 1 B )rofundidad de espuma utili0ada 61
62. Fiura +.. 68periencia 1 B Flu3o de aire utili0ado 62
63. Fiura +.6 68periencia 1 B %iarama de utili0acin de recursos 63
64. Fiura +.1 68periencia 2 B @r4fico le& de concentrado 20H 64
65. Fiura +.2 ,ariables perturbacin en la 68periencia 2 65
66. Fiura +.5 68periencia 2 9 @r4fico recuperacin .0H 66
67. Fiura +.10 68periencia 2 B )rofundidad de espuma utili0ada 67
68. Fiura +.11 68periencia 2 B Flu3o de aire utili0ado 67
69. Fiura +.12 68periencia 2 B %iarama de utili0acin de recursos 68
70. Fiura +.1( 68periencia ( B @r4fico le& de concentrado 2.H 69
71. Fiura +.1+ ,ariables perturbacin en la 68periencia ( 70
72. Fiura +.1. 68periencia ( 9 @r4fico recuperacin +.H 70
73. Fiura +.16 68periencia ( B )rofundidad de espuma utili0ada 72
74. Fiura +.11 68periencia ( B Flu3o de aire utili0ado 72
75. Fiura +.12 68periencia ( B %iarama de utili0acin de recursos 73

xiv

76. Fiura A.1 An4lisis de sensibilidad para profundidad de espuma sobre el resultado
metal;rico (bias: 0.1+ Ecm!sFG alimentacin: 0.+. Ecm!sFG aua de lavado: 0.11 Ecm!sFG
aire: 1.+5 Ecm!sFG -old up: 10HG d20: +0 EImFG H solidos (0HG le& de alimentacin: ..6H Cu
85
77. Fiura A.2 An4lisis de sensibilidad para flu3o de aire sobre el resultado metal;rico (bias:
0.1+ Ecm!sFG alimentacin: 0.+. Ecm!sFG aua de lavado: 0.11 Ecm!sFG profundidad de
espuma 100EcmFG -old up: 10HG d20: +0 EImFG H solidos (0HG le& de alimentacin: ..6H Cu
85
78. Fiura A.( An4lisis de sensibilidad para flu3o de alimentacin sobre el resultado
metal;rico (bias: 0.1+ Ecm!sFG aire: 1.+5 Ecm!sFG aua de lavado: 0.11 Ecm!sFG profundidad
de espuma 100EcmFG -old up: 10HG d20: +0 EImFG H solidos (0HG le& de alimentacin: ..6H
Cu 86
79. Fiura A.+ An4lisis de sensibilidad para flu3o de aua de lavado sobre el resultado
metal;rico (bias: 0.1+ Ecm!sFG aire: 1.+5 Ecm!sFG alimentacin: 0.+. Ecm!sFG profundidad
de espuma 100EcmFG -old up: 10HG d20: +0 EImFG H solidos (0HG le& de alimentacin: ..6H
Cu 86
80. Fiura A.. An4lisis de sensibilidad para le& de alimentacin sobre el resultado metal;rico
(bias: 0.1+ Ecm!sFG aire: 1.+5 Ecm!sFG alimentacin: 0.+. Ecm!sFG aua de lavado 0.11 Ecm!sF
profundidad de espuma 100EcmFG -old up: 10HG d20: +0 EImFG H solidos (0H 87
81. Fiura A.6 An4lisis de sensibilidad para di4metro de part#culas (d20) sobre el resultado
metal;rico (bias: 0.1+ Ecm!sFG aire: 1.+5 Ecm!sFG alimentacin: 0.+. Ecm!sFG aua de lavado
0.11 Ecm!sF profundidad de espuma 100EcmFG -old up: 10HG H slidos: (0HG le&
alimentacin: ..6H Cu 87
82. Fiura A.16An4lisis de sensibilidad para porcenta3e de slidos sobre el resultado
metal;rico (bias: 0.1+ Ecm!sFG aire: 1.+5 Ecm!sFG alimentacin: 0.+. Ecm!sFG aua de lavado
0.11 Ecm!sF profundidad de espuma 100EcmFG -old up: 10HG d20: +0 EImFG le&
alimentacin: ..6H Cu 88




1











CAIT7.( 1



Introduccio n




2

Introduccin
1.1 Antecedentes Generales
Chile es un pas que posee un rol privilegiado en la industria minera con sus
riquezas minerales. Lidera a nivel mundial la produccin y las reservas de
cobre, nitratos, litio y yodo; y ocupa un lugar destacado en molibdeno, plata,
oro y otros minerales. En produccin de cobre, Chile lidera la produccin
mundial con exportaciones alcanzando cifras record en el ao 2012 de 42,723
millones de dlares en divisas, cifra que abarca ms del 60% del total de las
exportaciones.
1

En la minera chilena la flotacin fue usada por primera vez en 1911, en la
planta concentradora de El Teniente, con la tcnica de celdas de flotacin,
recin patentada en 1904 y 1905 por E. Elmore y E. Sulman. La primera
columna de flotacin, en cambio, fue recin instalada en 1982 en la planta de
molibdenita de Chuquicamata. Sin embargo, fue en 1990 que Chile se convirti
en un pas pionero de esta tecnologa al realizar el primer proyecto con
columnas de flotacin (Castro, 2002).
La flotacin es el proceso por el cual se extrae alrededor del 90% de la
produccin de cobre, zinc, plomo, molibdeno, y nquel en Chile. Para la
limpieza del mineral, a flotacin columnar se considera una de las tcnicas
ms aceptadas frente a las celdas de flotacin, debido a menores costos de
operacin y de instalacin, menor espacio requerido y menor consumo de
energa, debido principalmente a que no necesita de agitacin mecnica.
La flotacin columnar es mayormente utilizada en circuitos de limpieza (Castro,
2002), ya que permite obtener un concentrado de mayor ley que las celdas
mecnicas. Esto se debe a la ausencia de turbulencia en la interfase entre la
pulpa y la espuma, la elevada altura de la capa de espuma que favorece el
drenaje de la ganga hacia la pulpa, y a la utilizacin ms eficiente del agua de
lavado, que permite la disminucin de arrastre de partculas hidrofilas no
deseadas. Adicionalmente, reduce el consumo especfico de energa,
simplifica los circuitos de flotacin de las concentradoras y requiere menor
cantidad de puntos de control (Da Luz et al. 1988).
El desarrollo de la flotacin columnar ha ido de la mano de un aumento en el
nivel de automatizacin de la operacin de las columnas de flotacin,
existiendo en la actualidad una gran mayora de concentradoras con

1
Fuente: http://www.americaecnmia.cm/ne!ci"#in$u"tria"/chi%e#exprtacine"#$e#c&re#
"u&en#135#"u#maxim#va%r#en#$"#an"

3

analizadores de leyes en lnea y sistemas de control distribuidos que aseguran
una operacin estable de sus columnas (Bergh & Yianatos, 2003), controlando
la variabilidad en el resultado metalrgico de la operacin y la calidad del
concentrado.

1.2 roceso de Flotacin Columnar
La flotacin es un proceso fsico-qumico que permite la separacin de
minerales, como sulfurados de cobre y molibdeno, del resto de minerales que
componen la mayor parte de la roca original, tambin conocida como ganga.
La flotacin de minerales se realiza en etapas (tambin llamados circuitos),
cuyos objetivos involucran una alta recuperacin de las especies tiles con la
mayor selectividad posible. Para cumplir con estos objetivos los circuitos estn
divididos en etapas destinadas a conseguir esos propsitos, y en estas etapas
las celdas de flotacin estn ordenadas en bancos de celdas y en columnas
de flotacin. As, en las plantas concentradoras existe el banco de celdas
rougher, las celdas columnares de la etapa cleaner, el banco de celdas
cleaner-scavenger, etc.
La etapa rougher es la etapa primaria, en ella se logran altas recuperaciones
y se elimina gran parte de la ganga. Al circuito rougher llega la alimentacin
del proceso de flotacin, y en algunas oportunidades, concentrados de la etapa
scavenger o colas de la etapa cleaner. Las colas de la etapa rougher pueden
ser colas finales del proceso, o bien, alimentacin de un circuito scavenger.
La etapa scavenger, o de barrido, tiene como objetivo aumentar la
recuperacin de las especies tiles desde las colas de otras etapas,
dependiendo de la configuracin del proceso. Producen las colas finales del
proceso y un concentrado de baja ley que puede juntarse a la alimentacin del
proceso de flotacin, o a una etapa de remolienda y su posterior tratamiento.
Los circuitos de limpieza, o cleaner, son aquellos que aumentan la ley de los
concentrados rougher, y alcanzar de esta forma los estndares que exige el
mercado, por lo que sus concentrados son de alta ley y pueden ser los
productos finales del proceso.
En la Figura 1.1, se muestra un ejemplo de Circuito RCS Simplificado, en los
cuales se puede apreciar claramente los componentes principales del circuito:
etapa rougher, etapa cleaner y etapa scavenger. La pulpa entra por la
alimentacin a la etapa rougher cuyo concentrado viaja a la etapa cleaner,
previo a un proceso de remolienda para controlar la distribucin de tamao de
partcula. La etapa cleaner limpia la pulpa hasta obtener el concentrado

4

deseado, la cola es enviada a una etapa scavenger que recupera material til
y lo enva de nuevo a la etapa cleaner, previo remolienda. Las colas
provenientes de la etapa rougher se combinan a las colas de la etapa
scavenger y se llevan fuera del proceso.

Fiura 1.1 63emplo de Circuito de Flotacin 7C/ simplificado (Fuente: )ave0 2011)
Los procesos de flotacin, tales como la flotacin columnar, operan bajo el
mismo principio. Las partculas de mineral se ingresan a los equipos de
flotacin y se aaden reactivos que complementan el proceso de separacin
de los minerales de inters. Entre los reactivos aadidos se contemplan:
espumantes, colectores, depresores, entre otros. Mediante la inyeccin de aire
en la parte inferior de la columna, se generan burbujas de aire que colectan al
mineral hacia la parte superior hasta formar una espuma, sta espuma que
contiene el concentrado final es recolectada para pasar a un tratamiento
posterior (Yianatos, 2008).
La adhesin del mineral a estas burbujas de aire depende de las propiedades
superficiales hidrofilas e hidrofbas de cada especie mineral que se pretenda
separar de las que no poseen valor comercial. Las sustancias aadidas,
mencionadas previamente, modifican las propiedades superficiales de las
partculas de mineral permitiendo flotar el mineral valioso, aun cuando
naturalmente no posea las propiedades de flotabilidad deseadas.
Un equipo de flotacin considera dos etapas generales (Figura 1.2):
a) Zona de Coleccin: corresponde a la formacin del complejo partcula-
burbuja considerando una captura selectiva de los minerales por parte
de las burbujas de aire que se inyectan al equipo.

5

b) Zona de Separacin o de Limpieza: corresponde a la etapa superior,
donde se forma la espuma, compuesta por las burbujas que llevan
adheridas las partculas con el mineral de inters, y se recolecta
mediante el rebalse.

Fiura 1.2 6s'uema eneral de una Columna de Flotacin (Fuente: Acosta 2006)

1.! "ariables del roceso de Flotacin Columnar
Profundidad de Espuma: Corresponde a la altura del lecho de espuma,
medida desde la zona de coleccin hasta el rebalse de la columna. La
importancia de esta variable desde el punto de vista operacional, es que est
asociada con el resultado metalrgico del proceso, debido a que una
profundidad de espuma alta produce un mayor tiempo de residencia para el
agregado burbuja partcula (Yianatos et al, 1998), lo que favorecer el
drenaje de la ganga arrastrada, obtenindose finalmente un concentrado de
alta pureza.
Holdup de aire: Es el porcentaje volumtrico que ocupa el aire que asciende
por la zona de coleccin. Para operar en rgimen de burbujeo (Finch & Dobby,
1990) la condicin de operacin tpica de holdup de aire en una columna es
de 10-20%. La fraccin volumtrica de aire en la zona de coleccin depende
de otras variables asociadas al proceso, tales como la velocidad superficial de
gas (definido ms adelante), de la pulpa, la distribucin de tamao de las

6

burbujas, la densidad del agregado burbuja-partcula y el porcentaje de slidos
en la alimentacin (Finch & Dobby, 1990). La importancia de esta variable
desde el punto de vista del resultado de la operacin, es que para un
determinado holdup de aire en la zona de coleccin, existir una cantidad de
superficie disponible de burbujas para colectar partculas. A mayor holdup de
aire, habr una mayor probabilidad de que se lleve a cabo la adhesin y
captura de las partculas en las burbujas ascendentes, aumentando la
recuperacin del mineral en la zona de coleccin, con la consiguiente
disminucin de la ley del mineral valioso en el concentrado, para una
profundidad de espuma fija.
Bias: Corresponde al flujo neto de agua que desciende a travs de la interfase
pulpa/espuma, como agua fresca y/o de alimentacin. Por lo tanto, si el agua
fresca que ingresa a la columna excede al agua recuperada en el concentrado,
se tratara de un flujo neto de agua hacia abajo o bias positivo, mientras que
un bias negativo, correspondera al flujo neto de aguas ascendiendo por la
espuma (Yianatos, 2001). Segn algunos autores la operacin ideal de la
columna es con un valor de bias positivo (Finch & Dobby, 1990).
Ley de Alimentacin: Es el porcentaje de mineral valioso contenido en la
corriente de alimentacin, y depende principalmente de la proporcin que
existe de cada especie mineralgica. Para las etapas de limpieza, los valores
fluctan tpicamente entre el 6%-9% para minerales de cobre (en su mayora
calcopirita), mientras que en otras concentradoras la ley de alimentacin
podra superar hasta el 30%, cuando se trata de segundas limpiezas.
Respecto del resultado metalrgico, esta variable afecta directamente a la ley
del concentrado, por lo que una pulpa con una ley de mineral valioso alta, dar
como resultado un concentrado de mayor calidad.
Dimetro de Partculas: Corresponde al tamao de la poblacin de partculas
que se alimenta en la suspensin o pulpa. Tpicamente en flotacin se
reconoce un tamao de partcula caracterstico, d80, que corresponde a aquel
para el cual el 80% de material es ms fino. A las etapas de limpieza se
alimentan pulpas con una distribucin de tamao de partculas entre los 45
100 [m]. Desde el punto de vista cintico, la relacin que existe entre esta
variable y el resultado del proceso, es que al flotar partculas gruesas se
deteriora la calidad del concentrado contra un aumento en la recuperacin
debido al aumento en la eficiencia de colisin; mientras que al ser stas ms
finas, contienen un grado de liberacin mayor y por ende el concentrado se
hace ms rico en mineral valioso. Por otro lado, al considerar solamente la
hidrodinmica de la columna, partculas ms gruesas de mineral tendrn
tiempos de residencia menores y por ende incidirn en el resultado de la

7

operacin bajando la recuperacin y por ende aumentando la selectividad del
proceso.
Porcentaje de slidos: Corresponde al porcentaje en peso de los slidos
contenidos en la pulpa de alimentacin. Generalmente, las pulpas de
alimentacin a las etapas de limpieza de las principales concentradoras de
cobre en Chile operan con valores de porcentaje de slidos entre un 20-30%.
Un aumento en la cantidad de slidos en la alimentacin provoca un
incremento en la densidad del agregado burbuja-partcula, con el consiguiente
aumento del holdup de aire en la zona de coleccin (Finch & Dobby, 1990), lo
que genera a su vez un aumento en la recuperacin y una disminucin de la
ley del concentrado.
Velocidades superficiales de las corrientes: Para una corriente de fluido de
salida o entrada a la columna, se define su velocidad superficial como el
cociente entre el flujo volumtrico y el rea de seccin de la columna. Esta
cantidad permite comparar condiciones de operacin entre columnas de
distinto dimetro, as como tambin para el escalamiento de equipos. As,
existe una velocidad superficial del gas (Jg), velocidad superficial de
alimentacin (Jf), velocidad superficial de colas (Jt), velocidad superficial de
agua de lavado (Jw) y velocidad superficial de bias (Jb), todas ellas
preferentemente medidas en [cm/s].
En la Tabla 1.1 se muestra, las condiciones de operacin normal para las
principales variables del proceso de flotacin columnar, comparado a las
condiciones en la escala piloto
Tabla 1.1 Condiciones normales de operacin para variables de proceso de columna de flotacin a escala
piloto e industrial (Fuente: Acosta 2006)



8

1.# $imulador %etal&rgico de la Columna de Flotacin
Para representar el comportamiento metalrgico de la columna de flotacin se
utiliz un simulador de tipo esttico, desarrollado en el Departamento de
Ingeniera Qumica y Ambiental de la Universidad Tcnica Federico Santa
Mara, basado en la metodologa de escalamiento de Finch & Dobby (1990) y
Leiva (1996).
A continuacin se muestra en el esquema de la Figura 1.3 el modelo utilizado,
que tiene como entradas las variables de operacin, de diseo de la columna
de flotacin y las propiedades de la materia prima en la alimentacin,
entregando la estimacin del resultado metalrgico de la operacin de la
columna, en trminos de Ley de Concentrado y Recuperacin de Mineral.

Fiura 1.( 6s'uema del /imulador ?etal;rico

Las relaciones matemticas en las que se basa el simulador se detallan en el
Apndice A, en las cuales no se consideran interacciones tales como:
recuperaciones en la zona de espuma distintas para cada especie, liberacin
de partculas y la capacidad de transporte.
Este conjunto de ecuaciones, junto al detector de estado estacionario se
implement como una rutina de programacin en el software MATLAB.
El simulador considera la presencia de Calcopirita como especie mineralgica
en la alimentacin y ganga. La ley de Cu en el mineral de alimentacin es de
34.6%.


9

1.' Resultado %etal&rgico de la ()eracin
El resultado metalrgico de la operacin de una columna de flotacin se evala
en trminos de dos ndices, uno que tiene que ver con la productividad y el
otro con la calidad del producto final (Bergh & Yianatos, 2003). A continuacin
se definirn de forma general la recuperacin y la ley de mineral valioso en el
concentrado.
Ley de Cobre en Concentrado: Corresponde al porcentaje msico de cobre
contenido en el mineral valioso que se encuentra en la corriente de
concentrado. La ley en el concentrado representa la calidad del proceso de
flotacin y depende de las caractersticas mineralgicas de los slidos en la
alimentacin, adems de las variables operacionales tales como el holdup de
aire, profundidad de espuma, flujo de agua de lavado, etc. En los circuitos
colectivos de las grandes concentradores chilenas las leyes de Cu en el
concentrado fluctan tpicamente alrededor del 30% para minerales de
calcopirita (Yianatos et al. 2005).
Recuperacin Global de Cobre: Corresponde al porcentaje msico de que
es transportado desde la alimentacin al concentrado. Los valores tpicos de
recuperacin en las etapas de limpieza de las concentradoras fluctan entre
el 60-70% (Leiva, 1996). La recuperacin de cobre en el concentrado se puede
determinar a partir de la siguiente expresin:
R =
X
C
(X
F
-X
T
)
X
F
(X
C
-X
T
)
(1.1)
Donde
X
C
: Ley de cobre en el concentrado
X
P
: Ley de cobre en la alimentacin
X
1
: Ley de cobre en las colas

1.* Control Autom+tico

1.*.1 Estrategias de Control
El crecimiento en la complejidad de los sistemas productivos ha hecho
necesario el desarrollo de sistemas de control y/o supervisin de procesos. En
un principio, el operador de los equipos era quien llevaba a cabo el control de

10

los procesos, donde caractersticas como la experiencia acumulada y la
intuicin eran claves. El avance de la tecnologa en conjunto con las exigencias
del mercado condujo al desarrollo de nuevas tcnicas de control, tanto en la
teora (estrategias de control), como en su aplicacin (instrumentacin y
sistemas de control).
Dentro de las estrategias de control existen dos grandes reas: el control
algortmico y el control heurstico. El control algortmico se basa en el clculo
de relaciones matemticas o modelos entre la variable controlada y la variable
manipulada, estas relaciones o modelos son las que permiten mantener a la
variable controlada en torno a un valor de referencia o set point. Entre las
estrategias de control algortmico existen las de tipo convencional, tales como:
P, PI y PID, y las que se basan en modelos como: mnima varianza, control
adaptativo, etc.
Por otro lado el control heurstico utiliza las reglas lgicas o funcionales entre
la variable controlada y la variable manipulada, a fin de mantener a la primera
en torno a un set point. En este grupo se encuentran estrategias tales como:
sistemas expertos, sistemas neuronales, control jerrquico, control manual y
control difuso.
Tambin es posible implementar una estrategia que sea una combinacin
entre lo heurstico y lo algortmico, que permita utilizar lo mejor de ambos tipos
de control. Cabe destacar que en esta memoria se utilizar una combinacin
entre el control convencional PI y el control heurstico de lgica difusa.
1.*.2 Control ,istribuido Convencional
Un sistema de control distribuido (DCS) es el que utiliza controladores
independientes para los lazos de control de uno o ms procesos, y se integran
a travs de un sistema de comunicacin. Las seales medidas se llevan a una
unidad de operacin, ya sea para obtener informacin del proceso (monitoreo),
como para realizar una labor de supervisin (control supervisor).
1.*.! Control $u)ervisor
El control supervisor, como su nombre lo indica, tiene a su cargo la supervisin
del proceso, y posee la capacidad de modificar ciertos parmetros del sistema
de control bsico segn los requerimientos de operacin. El control bsico
mantiene las variables del proceso en valores cercanos a sus
correspondientes referencias, y el control supervisor puede cambiar estas
referencias o los parmetros del controlador, para satisfacer un objetivo de
mayor prioridad, como por ejemplo, disminuir el consumo de algn recurso
escaso, aumentar la produccin, minimizar el costo global del proceso, etc.

11

Dentro de las caractersticas ms importantes de un control supervisor estn:
clculo de las referencias o parmetros de control directo, funciones de
coordinacin de procesos, procesamiento de la informacin e interfase del
usuario.
1.- .gica ,i/usa

1.-.1 Antecedentes
La lgica difusa fue investigada por primera vez a mediados de los aos
sesenta por el profesor Lofty A. Zadeh de la Universidad de California, quien
introduce el concepto de los conjuntos difusos.
Un conjunto difuso se caracteriza por no tener lmites claramente definidos y
donde los elementos tienen cierto grado de pertinencia. Por el contrario de lo
que plantea la lgica binaria en donde los elementos del conjunto adquieren
valores de verdadero o falso, pertenece o no pertenece.
Por medio de la caracterizacin de la lgica difusa, Zadeh en 1973 logra
explicar el razonamiento humano y la manera en que se toman decisiones sin
tener informacin cuantitativa y generalmente ambigua, introduciendo el
concepto de variable lingstica cuyos valores no son nmeros, sino palabras.
Actualmente la lgica difusa es ampliamente utilizada en gran cantidad de
reas que se extienden desde las ciencias puras como las matemticas, fsica
y biologa hasta le resolucin y anlisis de problemas en reas como la
economa, sociologa e ingeniera.
A continuacin se abordar los conceptos bsicos de la lgica difusa que ser
utilizada en esta memoria.
1.-.2 Conce)tos 0+sicos
Conjunto Difuso: es una coleccin de objetos de un universo que poseen un
grado de pertenencia asociada, el cual puede tomar valores en el intervalo
[0,1]. Este conjunto constituye la base de la teora sobre lgica difusa (Kosko,
1992).
Variable Lingstica: es una variable que puede tomar diferentes valores
lingsticos, cada uno de los cuales se representa por un conjunto difuso. Los
valores de las variables lingsticas se expresan mediante adjetivos (alto,
normal o bajo) o como adverbios (muy, poco, mucho, etc.)

12

Funcin de Pertenencia (p): representa el grado de pertenencia del valor de
una variable lingstica de un conjunto difuso y puede corresponder a cualquier
expresin en trminos de la variable lingstica. En la Figura 1.4 se muestran
las formas tpicas de funcin de pertenencia: a) Triangular, b) Trapezoidal, c)
Gaussiana y d) Sigmoidea.

Fiura 1.+ Formas de Funciones de )ertenencia


Operaciones con conjuntos difusos: A continuacin se muestran las tres
operaciones bsicas que se utilizan en lgica difusa, cada operacin est
asociada a un operador o conector lgico:
a) Interseccin: asociada al operador lgico y
A B A B p
AB
= min{p
A
(x), p
B
(x)] (1.2)
b) Unin: asociado al operador lgico o
A B A U B p
AUB
= max{p
A
(x), p
B
(x)] (1.3)
c) Complemento: est asociada al operador lgico no
A

-A p
-A
= 1 p
A
(x) (1.4)
Los grados de verdad de las proposiciones compuestas se obtienen de la
misma manera que las funciones de pertenencia en la operacin de conjuntos
difusos.
Estructura de la lgica difusa: La teora de conjuntos difusos habla de que
existen proposiciones que no son estrictamente verdadero o falso, sino que
tienen asociadas un grado de verdad. Por tanto, la lgica difusa utiliza
proposiciones con grado de verdad entre 0 y 1, de modo que 0 indica
proposicin falsa y 1 verdad absoluta.

13

Por ejemplo, si se establecen los conjuntos: joven, adulto-joven, adulto-viejo y
viejo, como se indica en la Figura 1.5, se observa que la edad de 25 aos
pertenece al grupo joven en 0,5 y adems pertenece en 0,5 al conjunto adulto-
joven, por lo tanto se puede decir que segn este ejemplo, una persona de 25
aos es mitad joven y mitad adulto-joven.

Fiura 1.. 7ano de 6dades desde el )unto de vista difuso (Fuente: *eiva 1556)

1.-.! Eta)as de Control ,i/uso
La construccin de un controlador difuso se fundamenta en el hecho de que
es posible expresar estrategias de control a travs de reglas lingsticas. En
este caso se habla de un controlador basado en reglas, que utiliza lgica difusa
para caracterizar las variables medidas de acuerdo a su grado de pertenencia.
La estructura bsica de un controlador difuso se presenta en la Figura 1.6 a
continuacin, y est compuesta por cuatro secciones principales: una etapa
de fuzificacin, una base del conocimiento, un proceso o motor de inferencia
y una etapa de desfuzificacin.

Fiura 1.6 6structura de un controlador %ifuso (Fuente: *eiva 1556)


14

1.-.!.1 Eta)a de Fu1i/icacin
En esta etapa se transforma las variables medidas en variables lingsticas,
para ello es necesario dividir el rango de variacin de cada una y generar los
conjuntos difusos que representan el valor de la variable.
1.-.!.2 0ase del Conocimiento
La base del conocimiento contiene la informacin sobre la etapa de
fuzificacin, funciones de pertenencia de los conjuntos difusos y las reglas de
control. El conocimiento adquirido puede dividirse en dos reas.
Conocimiento de las variables: Aqu se encuentra informacin referente a
los rangos de operacin, tanto de las variables controladas como de las
variables a manipular. Adems, permite definir la cantidad de conjuntos difusos
en que sern fuzificadas las variables, as como tambin sus respectivas
funciones de pertenencia.
Reglas de control: Este conocimiento almacena la experiencia que se tiene
del proceso y que permite resolver el problema de control. Las reglas se
componen de frases y acciones que deben ser realizadas bajo ciertas
condiciones.
Una regla de control puede expresarse de la forma:
Si A es Alto y B es Bajo entonces C es Medio Alto.
Donde A y B son las variables de proceso que se desean controlar, y C
corresponde a la variable manipulada.
Se puede tener tantas reglas como el producto del nmero de conjuntos
difusos de ambas variables. As, si n representa el nmero de conjuntos
difusos definidos para A, y m representa el nmero de conjuntos difusos
definidos para la variable B, se pueden formar nm reglas. Para facilitar el uso
de estas reglas que forman una superficie de control, es conveniente
representarlas en la llamada Tabla Lgica de control.
La tabla lgica de control es una representacin simblica de las reglas difusas
a travs de una matriz. Se crea una tabla para cada variable de control,
vinculando las posibles combinaciones de las variables de estado
(antecedente) con una de sus etiquetas lingsticas (consecuente), de esta
forma es posible saber la accin sobre un recurso a partir de los atributos de
cada variable objetivo. Un ejemplo de tabla lgica de control es la que se
muestra en la Tabla 1.2, suponiendo que se desea mantener una temperatura
en un invernadero ante condiciones de temperatura y humedad externa.

15

Tabla 1.2 Tabla lica de control para controlar condiciones de invernadero (Fuente:
ccia.ei.uvio.es!docencia!"A)


1.-.!.! roceso de In/erencia
El proceso de inferencia de un controlador difuso genera las acciones que se
deben aplicar al proceso, a partir de los valores de las variables de entrada y
de la base del conocimiento.
La decisin de control se basa en dos procesos: la inferencia composicional y
la conclusin.
Inferencia composicional: Es el proceso que permite determinar, del bloque
de antecedentes, cul es la variable que posee una mayor prioridad, es decir,
cul representa el valor ms extremo para la operacin del proceso.
Dado que el bloque de antecedentes utiliza el conectivo y, que es
interpretado como la interseccin de los conjuntos difusos asociados, se
realiza el producto lgico entre los grados de pertenencia de ambas variables,
equivalente a obtener la condicin en que ambas partes son satisfechas, lo
que se representa por el menor valor de ellos. (Cipriano y Prino, 1994)
Proceso de conclusin: El proceso de conclusin permite obtener del bloque
de consecuencias las acciones que deben ser realizadas, lo cual se logra
combinando los resultados de todas las reglas. Como el control difuso se
expresa por varias reglas, las cuales estn ligadas por el conectivo o (que es
interpretado como la unin de las consecuencias de todas las reglas de
control), se realiza la suma lgica entre los grados de pertenencia del bloque
de consecuencias, lo que equivale a obtener el valor mximo de los grados de
pertenencia asociado a cada una de ellas. Dicha estructura logra que todas
las reglas tengan inferencia en el resultado final.
1.-.!.# Eta)a de ,es/u1i/icacin
La conclusin del proceso de inferencia, es un trmino difuso asociado a la
variable lingstica de salida. Para interactuar con el proceso es necesario
convertir el trmino difuso en un valor numrico que mejor lo represente. Esto
se logra mediante la etapa de desfuzificacin.
Dumedad :a3a ?edia Alta
:a3a 'antener 'antener 'antener
?edia (u&ir ) 'antener *a+ar )
Alta (u&ir ) 'antener *a+ar )
Temperatura

16

Existen diversos mtodos para realizar esta etapa, como por ejemplo el
mtodo de la altura y el mtodo del centro de gravedad.
Mtodo de la altura: ste mtodo obtiene el valor numrico asignado a la
variable manipulada, que corresponde al punto equivalente a la pertenencia
de la regla con mayor valor de pertenencia, en el lado prximo a la regla de
segundo mayor grado de pertenencia. En la Figura 1.7 se muestra el resultado
(Z*) de utilizar el mtodo de la altura.
y
h
= ]y
m
p
B
m
(y
m
)Jy ]p
B
m
(y
m
)Jy (1.5)

Fiura 1.1 ?<todo de la altura
Mtodo del centro de gravedad: Este es el mtodo ms usado y consiste en
obtener el valor numrico como el punto en el que se logra el centro de
gravedad del rea sombreada a partir del Proceso de Inferencia, entregando
el valor numrico de la variable de salida. En la Figura 1.8 se observa como
ste mtodo entrega el valor numrico de la variable de salida (Z**)
y = ]y p
B
(y)Jy ]p
B
(y)Jy (1.6)

Fiura 1.2 ?<todo del Centro de @ravedad





17

1.2 (rgani1acin del %aterial
En esta memoria se realiza el estudio de un control experto-difuso que acta
como sistema supervisor administrando los set points de los lazos de control
convencional: profundidad de espuma y flujo de aire, en funcin de los
resultados metalrgicos de recuperacin y calidad de concentrado.
La estrategia del sistema de control se implementa utilizando la plataforma
computacional Intouch-PLC sobre la columna de flotacin a escala piloto
disponible en el Laboratorio de Control de Procesos del Departamento de
Ingeniera Qumica y Ambiental de la UTFSM.
Se define las variables del bloque de antecedentes y consecuencias, el rango
de las mismas y las reglas de control. Se plantea el objetivo primario del control
supervisor, as como la estructura del control. Adems, se verifica la robustez
de control frente a perturbaciones en las condiciones de operacin.
El trabajo se organiza en 5 Captulos, los que se describen a continuacin:
Captulo 1: Introduccin: Se presenta los antecedentes generales y el
marco terico del proceso de flotacin columnar, el simulador
metalrgico y la lgica difusa que se emplear como parte fundamental
de la estrategia de control.

Captulo 2: Equipo Experimental: Se hace una descripcin de la
columna de flotacin a escala piloto, el sistema de control distribuido a
utilizar y la interfaz del usuario, en donde podr monitorear en lnea las
condiciones de operacin de la columna.

Captulo 3: Implementacin del Control: Se describen los objetivos
metalrgicos que persigue el control supervisor. Se detalla la
implementacin del control convencional y del control difuso utilizado.

Captulo 4: Experiencias y Anlisis de Datos: Se desarrolla un
conjunto de experiencias que permiten comparar el sistema supervisor
difuso con el funcionamiento sin tal supervisin, el impacto que significa
modificar sus atributos y el comportamiento frente a perturbaciones.

Captulo 5: Conclusiones y Recomendaciones: Se discuten los
principales resultados obtenidos durante el desarrollo de las
experiencias y las recomendaciones para futuros trabajos sobre el
tema.

18










CAIT7.( 2



Equipo Eperimenta!




19

E3ui)o E4)erimental
2.1. ,escri)cin del E3ui)o E4)erimental
El equipo experimental utilizado corresponde a una columna de flotacin a
escala piloto, la que se encuentra instalada y operativa en el Laboratorio de
Control de Procesos del Departamento de Ingeniera Qumica y Ambiental de
la Universidad Tcnica Federico Santa Mara.
En la Tabla 2.1 se detallan las principales caractersticas constructivas de este
equipo.
Tabla 2.1 Caracter#sticas de dise$o de la Columna de Flotacin

Para hacer efectiva la operacin de la columna existen dos circuitos
caractersticos, el de aire y agua, que son capaces de suministrar estos fluidos
en base a los requerimientos de la operacin.
A continuacin, en la Figura 2.1, se representa en forma esquemtica el
circuito de operacin de la columna de flotacin, donde el circuito del aire est
representado en el lado derecho del diagrama, y a la izquierda las lneas que
componen el circuito del agua. Las lneas punteadas representan las
conexiones desde y hacia el PLC.

20


Fiura 2.1 6s'uema en )A"% de la Columna de Flotacin en el *aboratorio de Control de )rocesos
Se muestra una descripcin resumida de la instrumentacin utilizada en la
Tabla 2.2, listando los principales equipos e instrumentos montados sobre la
columna.
Tabla 2.2 %escripcin de la "nstrumentacin & e'uipos de la columna de flotacin
Instrumento o
Equipo
Simbologa
P&ID
Descripcin
Bomba Peristltica BIC-1 Bomba de Agua de Lavado
Bomba Peristltica BIC-2/3 Bombas de Alimentacin
Flujmetro Magntico FIC-1 Sensor Flujo de Colas asociado al
control de Flujo Colas
Flujmetro Msico FIC-2 Sensor Flujo de Aire asociado al control
de Flujo de Aire
Transductor I/P I/P-1 Transductor asociado a la Vlvula de
Colas
Transductor I/P I/P-2 Transductor asociado a la Vlvula de
Aire
Dp Cell PI-1 Sensor de Presin Superior
Dp Cell PI-2 Sensor de Presin Inferior
Vlvula Pinch VC-1 Regulador Flujo de Colas
Vlvula Globo VC-2 Regulador Flujo de Aire
Regulador de Presin RP-1 Fija la Presin al Circuito de Aire
Vlvula de Paso V-1 Paso de aire hacia la columna
Vlvula Check V-2 Impide paso de agua a FIC-2
Vlvula de Paso V-3 Interrumpe descarga de colas
Estanque TK-1 Estanque de Alimentacin

21

2.1.1. Circuito de Aire
Este circuito corresponde al suministro continuo de aire, sea instrumental y de
proceso, a la columna. La matriz principal proveniente del compresor
centrfugo del Departamento de Ingeniera Qumica y Ambiental se encarga de
proveer el gas para la operacin, as como tambin para instrumentos que lo
requieran, como transductores I/P por ejemplo.
De esta forma el aire filtrado proveniente del compresor LOU es llevado a una
presin de aproximadamente 30 [psig] mediante la accin de un regulador de
presin.

2.1.2. Circuito de Agua
El circuito de agua suministra una mezcla de agua y espumante (MIBC: Metil
Isobutil Carbinol 3 ppm), provenientes del tanque de alimentacin, a las
corrientes lquidas del proceso: flujo de alimentacin y flujo de agua de lavado.
Ambas corrientes son impulsadas por una batera de bombas peristlticas que
mueven el agua desde el estanque. La columna de flotacin opera en circuito
cerrado, es decir, toda la mezcla de agua y espumante que ingresa por la
alimentacin o por el tope en el flujo de agua de lavado, retorna al estanque,
ya sea por el tope, como rebalse de concentrado o bien como producto de
fondo o colas.
Sensores:
DP Cell superior e inferior: Sensores de diferencia de presin diferencial
Foxboro, modelo 843DP-H1|1SK-M. Entrega una seal de corriente de
salida entre 4-20 [mA]. Este sensor permite obtener la presin
manomtrica de la columna, que a su vez permite estimar variables de
operacin tales como el holdup de aire y la altura de espuma.

Flujmetro de aire (anemmetro): Medidor de flujo msico Omega,
modelo FMA1823. Seal de salida entre 4-20 [mA]. Rango de medicin 0
a 16,2 [L/min] calibrado para condiciones estndares de operacin. Este
sensor permite medir el flujo de aire para el burbujeo de la columna.

Flujmetro de Colas: Medidor magntico de flujo volumtrico ABB Kent
Taylor, modelo MF/E150372101001EH1301141HA3. Seal de salida entre
4-20 [mA]. Rango de medicin de 0 a 10 [L/min]. Permite obtener el flujo
de colas en la columna.

22

Actuadores:
Vlvula de colas: Vlvula de tipo Pinch, marca Research Control Valve,
modelo 100225R, Fail Open. Permite regular el flujo de colas en la parte
inferior de la columna.

Vlvula de aire: Vlvula de tipo globo, marca Research Control Valve,
modelo 100225R, Fail Open. Permite regular el flujo de aire que ingresa a
la columna.

Otros:
Transductores I/P (2) para vlvulas de aire y cola: Transductor I/P
Fairchild, modelo TA6000-401, que recibe una seal elctrica entre 4-20
mA y entrega una seal neumtica entre 3-15 psig para accionar la vlvula
de aire o la vlvula de colas segn corresponda.

Bombas Peristlticas (3): Bombas Peristlticas Masterflex, modelo 7521-
47. Con una seal de corriente entre 4-20 [mA], y un rango de operacin
de 0-44 [mL/s]. Estn configuradas de la siguiente forma: 2 bombas en
paralelo que permiten regular el flujo de alimentacin a la columna, y otra
bomba para el flujo de agua de lavado que ingresa por la parte superior de
la columna.

Regulador de presin de aire: Regulador SMC, modelo AR40-04E.
Rango de operacin de 0,05 a 0,85 [MPa].

2.2. $istema de Control ,istribuido
El sistema de control distribuido (SCD) de la columna de flotacin consiste en
dos lazos de control independientes, pero que evidentemente presentan una
fuerte interaccin, la que se corresponde con la naturaleza del proceso de
flotacin. Es a travs de este sistema donde se envan las seales de control
a los actuadores, al igual que se colectan las seales de sensores, las que son
digitalizadas y puestas a disposicin del usuario mediante una interfaz grfica.
Este sistema consta de los siguientes componentes:
2.2.1. roceso
El proceso corresponde a la columna de flotacin a escala piloto cuyo
funcionamiento e instrumentacin se describi en la Seccin 2.1.

23

2.2.2. .C 5rogramable .ogic Controller6
Es el cuerpo central del SCD, ya que se encarga de colectar y enviar las
seales a los sensores y elementos finales de control, respectivamente que se
encuentran en la planta.
El PLC utilizado en el presente trabajo pertenece a la Serie 90-30 de la familia
de PLCs GE-Fanuc Serie 90 de Autmatas Lgicos Programables. Se
caracterizan por ser fciles de instalar y configurar, adems de ofrecer
caractersticas de programacin avanzada. Bsicamente el PLC utilizado
consiste en un dispositivo con 5 mdulos de entrada/salida (I/O Modules) de
corriente o voltaje segn sea el caso, cada uno de ellos alimentados con un
voltaje de +24 VDC, el cual es suministrado por una fuente de poder, con una
capacidad de carga de 30 W y un voltaje de entrada de 100 a 240 VAC o 125
VDC. Para este trabajo se utilizan slo 2 mdulos que corresponden a mdulos
de salida y entrada de corriente (I/O) donde se conectaron los sensores y
actuadores montados junto a la columna. En la Figura 2.2 se puede apreciar
el aspecto modular de estos Computadores Lgicos Programables.

Fiura 2.2 )*C @6 B Fanuc de la /erie 509(0

Se desarroll una rutina en VersaPro disponible en el Anexo Digital en CD,
para determinar en qu canal del PLC est asociado cada actuador y sensor.
Se detalla, en la Tabla 3, la disposicin de las conexiones utilizadas por la
columna de flotacin desde las borneras del laboratorio a la sala de control.
Cabe destacar que las seales que llegan hasta el PLC corresponden a
seales de 4-20 [mA] que se corresponden a las variables descritas en la Tabla
2.3:




24

Tabla 2.( %irecciones )*C de los distintos sensores & actuadores de la columna de flotacin
TAG PLC
Adress
Equipo Variable Equipo
B_alim1 %AQ0006 Bomba Alimentacin 1 Flujo Volumtrico
B_alim2 %AQ0009 Bomba Alimentacin 1 Flujo Volumtrico
B_lavado %AQ0004 Bomba de Lavado Flujo Volumtrico
DPCell_Inferior %AI0007 Manmetro Inferior Presin
Manomtrica
DPCell_Superior %AI0008 Manmetro Superior Presin
Manomtrica
Fmetro_cola %AI0009 Flujmetro Colas Flujo Volumtrico
Fmetro_aire %AI0010 Flujmetro Aire Flujo Volumtrico
Valv_cola %AQ0003 Vlvula de Colas Apertura de Vlvula
Valv_aire %AQ0005 Vlvula de Aire Apertura de Vlvula

2.2.!. Inter/a1 del 7suario
Este elemento del SCD, consiste principalmente de una aplicacin realizada
con la ayuda de Intouch HMI 8.0 de Wonderware, software que se utiliza
para crear interfaces grficas. Esta aplicacin se encuentra en el Anexo
Digital disponible en el CD adjunto. Cuenta con 5 ventanas interactivas, que
permiten al usuario monitorear en lnea la operacin de la columna de flotacin
bajo control automtico. De esta forma puede administrar los valores de
referencia (set point) y obtener un registro de las variables, teniendo la
posibilidad de generar grficos y reportes histricos.
En las ventanas tambin es posible accionar los rels que forman parte de la
lgica de programacin del PLC, esto se hace efectivo mediante el
accionamiento de interruptores (switches), que por ejemplo activan alguno de
los bloques de control que se han programado en VersaPro
TM
. Adems se
puede acceder a ventanas que muestren la deteccin del estado estacionario
en el sistema, y los valores de entrada del simulador metalrgico utilizado.
Para ver con ms detalle a continuacin se describirn cada una de las
ventanas.
Las ventanas con que cuenta la interfaz de monitoreo son:
Ventana Principal
Registro Histrico
Controlador PID
Control Supervisor Difuso
Simulador Metalrgico


25


2.2.3.1. Ventana Principal
Esta ventana principal de la interfaz grfica permite el monitoreo en lnea de la
operacin de la columna de flotacin. Permite activar la puesta en marcha de
la planta, y activar el control manual o automtico de los lazos de control de la
columna, como se observa en la Figura 2.3.
Es posible observar las variables operacionales ms importantes de la planta
(figuras de color celeste) y controlar en forma manual las vlvulas de cola, de
aire y las bombas de alimentacin y de lavado (figuras de color crema).
En esta ventana adems se muestra ante el operador un diagrama
esquemtico con la columna, su instrumentacin y los accesorios principales
correspondientes a las lneas de proceso (piping).


Fiura 2.( "nterfa0 de Csuario: ,entana )rincipal
Cabe destacar que en cada ventana es posible acceder a las dems ventanas
mediante los botones ubicados en el extremo superior derecho de la pantalla.
Los interruptores mostrados en la Figura 2.3 permiten prender (ON) o apagar
(OFF) todas las variables manipulables en la planta (Switch Activar Planta),
y activar la puesta en marcha (Switch Partida) que permita llevar a la columna
al punto mnimo de operacin, es decir, llenar la columna a la mitad con
alimentacin fresca.

26


2.2.3.2. Registro Histrico

Esta ventana permite al usuario ver el valor pasado e instantneo de una
variable escogida cuando se hace doble click sobre el grfico. Se pueden
monitorear un buen nmero de variables como se muestra en la Tabla 2.4.

Tabla 2.+ ,ariables monitoreables en reistro -istrico
Variables Unidades
Profundidad de espuma [cm]
Set point de profundidad de espuma [cm]
Flujo de aire [lpm]
Set point flujo de aire [lpm]
Ley de concentrado %
Set point ley de concentrado %
Recuperacin global %
Recuperacin mnima %
Flujo bomba alimentacin 1 [lpm]
Flujo bomba alimentacin 2 [lpm]
Flujo bomba de agua de lavado [lpm]
Cierre de vlvula de flujo de aire [%]
Cierre de vlvula de flujo de colas [%]
Flujo de colas [lpm]
Hold up de aire [%]
Bias [cm
3
/s]
Deteccin de estado estacionario [-]
Razn de varianzas nivel de espuma [-]
Razn de varianzas flujo de aire [-]
Ley de alimentacin [%]
Diametro de partculas (d80) [m]
Porcentaje de slidos en alimentacin [%]
Recuperacin zona de espuma [%]
Recuperacin zona de coleccin [%]
Activacin control PID nivel de espuma [-]
Activacin control PID flujo de aire [-]
Activacin control supervisor difuso [-]


Cuenta con una barra horizontal abajo del grfico que permite explorar dichos
valores en tiempos anteriores. Los valores se despliegan en el mismo grfico,
en donde la variable de que se trate se seala en un color particular al hacer
click en la ordenada del mismo, como se observa en la Figura 2.4.
En el extremo inferior izquierdo de la ventana est el interruptor Grabar Datos
que permite guardar automticamente los datos que se encuentran en el

27

registro histrico, guardndolos en la direccin que el usuario ingrese a la
derecha del interruptor.
En el extremo inferior derecho de la ventana se observa un grfico en lnea del
detector de estado estacionario, mediante el mtodo de Rhinehart (1995). El
funcionamiento del detector de estado estacionario se detalla en el Apndice
B.

Fiura 2.+ "nterfa0 de Csuario: 7eistro Districo

2.2.3.3. Controlador PID

Esta ventana permite ver en lnea los lazos de control utilizados en el sistema
como parte del control automtico PID. Sobre los grficos se muestran los
valores de set point que el usuario ingresa, las variables de proceso a los
cuales el control va a tratar de llegar en forma automtica, el interruptor que
activa el control y los parmetros: proporcional (%/%), integral (1/seg) y
derivativo (seg) del control convencional.
La ventana muestra grficos en lnea de las variables de proceso y los set
points ingresados por el usuario, como se observa en la Figura 2.5.

28


Fiura 2.. "nterfa0 del Csuario: Controlador )"%

2.2.3.4. Control Experto-Difuso

En esta ventana el usuario puede activar el control experto del sistema
mediante el interruptor Control Experto. Establece, tambin, un set point para
la ley de concentrado, una recuperacin mnima y el tiempo de muestreo
mnimo para efectuar la accin. Luego, el sistema vara los set points de los
lazos de control de nivel de espuma y de flujo de aire, de forma tal que se
obtenga la recuperacin y ley de concentrado esperada.
La ventana a su vez contempla dos grficos en lnea para la ley de concentrado
y la recuperacin, respectivamente como se observa en la Figura 2.6.
Adems, la ventana permite ir directamente a modificar el control Difuso, ya
sea, cambiando las reglas de control, las funciones de pertinencia, etc.,
haciendo click en el botn Editor Difuso. El detalle del control difuso se
encuentra en el Captulo 3.

29


Fiura 2.6 "nterfa0 de Csuario: Control 68perto9%ifuso

2.2.3.5. Simulador Metalrgico

Esta ventana permite ingresar los datos necesarios para la obtencin de los
resultados metalrgicos de Ley y Recuperacin en la columna de flotacin
piloto. Las variables estn relacionadas al simulador metalrgico desarrollado
desde el programa MatLab que calcula los parmetros de leyes, recuperacin,
tiempos de residencia, etc. Las ecuaciones utilizadas y la sensibilidad de las
variables con respecto a los resultados metalrgicos se pueden ver en el
Apndice A. El usuario debe ingresar algunas caractersticas del mineral tales
como distribucin de tamao de partculas, composiciones, densidades, y
variables propias del diseo de la columna, tales como el dimetro de la
columna, tal como se puede apreciar en la Figura 2.7.

30


Fiura 2.1 "nterfa0 del Csuario: /imulador ?etal;rico
2.!. .a1os de Control Convencional
El control automtico de la operacin de la columna de flotacin se soporta en
el Sistema de Control Distribuido (SCD), donde existen 2 lazos
independientes. La estrategia de control implementada en este caso,
corresponde a un control de tipo estabilizante en donde el principal objetivo
que se persigue es mantener las variables operacionales entorno a un set point
dado por el usuario y que corresponda, ciertamente, a un valor dentro del
rango normal de operacin para una columna (Finch & Dobby, 1990).
Cabe destacar que el bias no se controla directamente debido a que slo es
posible medirlo en forma muy aproximada a partir de un balance de materia
en estado estacionario, situacin que no necesariamente se cumple en una
condicin normal de operacin. Por tanto, el bias slo se mantiene dentro de
un rango de valores tpicos de operacin.
A continuacin se detallarn las caractersticas de la estrategia, los sensores,
actuadores y accesorios para cada lazo de control:
Control de la Profundidad de Espuma
Control del Flujo de Aire


31

2.!.1. .a1o de Control de la ro/undidad de Es)uma
El controlador de la profundidad de espuma es uno de los ms importantes
desde el punto de vista de la estabilidad de la operacin (Finch & Dobby,
1990).
El lazo de control es retroalimentado, mide la profundidad de espuma a partir
de la informacin obtenida de las celdas diferenciales de presin, compara
este valor con el set point ingresado por el usuario y luego acta sobre la
vlvula de colas, modificando la profundidad de espuma.
Para estimar el nivel de espuma, se supone la columna llena hasta el tope por
la pulpa y el lecho de espuma, como se muestra en la Figura 2.8:

Fiura 2.2 %iarama de la columna de flotacin con las variables usadas para estimar la profundidad de
espuma (0)
I representa la distancia entre ambos sensores, b la columna sobre el sensor
de presin y z la profundidad de espuma.
La estimacin utiliza el siguiente procedimiento:
Se calcula el holdup o fraccin de aire a partir de las mediciones de presin de
los sensores de presin superior e inferior de la columna, y la distancia que
existe entre los sensores:

32

EolJup(e
g
) = [1
P
in]cricr
-P
supcricr
gL
1uu (2.1)
Se realiza un balance de fuerzas sobre el sensor de presin inferior, donde la
presin representa la columna de agua y espuma que existe sobre el sensor:
HcJicion scnsor incrior = Columno Jc cspumo +Columno Jc oguo (2.2)
P
n]co
= z p
cspumu
g + (b z) p
uguu
(1 e
g
) g (2.3)
Se despeja la profundidad de espuma a partir de la Ecuacin 2.3:
z =
h(1-s
g
)-
P
in]cricr

cguc
g
1-s
g
-

cspumc

cguc
(2.4)
Los sensores y actuadores de este lazo de control se detallan a continuacin.

2.3.1.1. Sensores

El lazo de control de la profundidad de espuma cuenta con tres sensores, las
celdas de diferencia de presin y el flujmetro magntico de las colas. Se
especifican detalladamente los instrumentos en la Tabla 2.5:
Tabla 2.. /ensores utili0ados para el la0o de control de profundidad de espuma


2.3.1.2. Actuadores

En la Tabla 2.6 se listan las especificaciones del actuador perteneciente al lazo
de control de la profundidad de espuma:

33

Tabla 2.6 Actuador utili0ado para el la0o de control de profundidad de espuma


2.3.1.3. Otros Accesorios

Este lazo de control cuenta con varios accesorios adicionales, tales como dos
vlvulas de bola, una en la descarga, que corresponde a una vlvula Italy de
" y otra en la toma de presin de la celda, que corresponde a una vlvula de
bola Brass Valve de ". Sobre la vlvula de colas est instalado un manmetro
que sirve para indicar la presin de aire instrumental, posee un rango de 0-35
[Psig], y una exactitud de 1 [Psig].
Adems el actuador posee un transductor I/P que permite transformar la seal
de corriente que conecta con el PLC a una seal de presin hacia la vlvula
de control y viceversa, como se muestra en la Tabla 2.7.
Tabla 2.1 Transductor "!) asociado al actuador del la0o de control de profundidad de espuma


2.!.2. .a1o de Control del Flujo de Aire
Para controlar el flujo de aire, se dise un control retroalimentado PI donde
mide directamente el flujo de aire que entra a la columna modificando la
apertura de vlvula que controla el paso de aire.

2.3.2.1. Sensores

Para medir el Flujo de Aire est instalado un Flujmetro msico (anemmetro),
cuyas especificaciones se detallan en la Tabla 2.8:

34

Tabla 2.2 %etalle flu3metro m4sico utili0ado para medir el Flu3o de Aire


2.3.2.2. Actuadores

El actuador que forma parte del lazo de control de flujo de aire es la vlvula de
control del flujo de aire. Las especificaciones se muestran en la Tabla 2.9:
Tabla 2.5 Actuador utili0ado para el la0o de control del flu3o de aire


2.3.2.3. Accesorios control de Flujo de Aire

Los accesorios presentes en la instalacin corresponden a conectores y un
manmetro. En la entrada del aire de proceso a la columna de un codo de "
y una vlvula check de ", para de esta forma no permitir que el agua de la
columna se devuelva por la lnea de aire. Por otra parte, el manmetro que
est instalado sobre la vlvula de aire para indicar la presin de aire
instrumental, posee un rango de 0-35 [psig], con una exactitud de 1 [psig].
Adems el actuador posee un transductor I/P que permite transformar la seal
de corriente que conecta con el PLC a una seal de presin hacia la vlvula
de control y viceversa, como se muestra en la Tabla 2.10.
Tabla 2.10 Transductor "!) asociado al actuador del la0o de control de flu3o de aire


35


2.!.!. $inton8a de Controladores
Como previamente se mencion, el algoritmo de control para cada lazo es del
tipo Proporcional Integral (PI). Para obtener los parmetros en cada caso se
utilizaron los mtodos de curva de reaccin de Cohen-Coon y de oscilacin de
Ziegler-Nichols detallados en el Apndice C.
Al aplicarse esta metodologa se obtuvieron los siguientes parmetros PI, para
cada lazo de control como se indica en las Tablas 2.11 y 2.12, que hacen
posible el control de las variables mencionadas como se muestra en las
Figuras 2.9 y 2.10.
Tabla 2.11 )ar4metros para *a0o de Control de )rofundidad de 6spuma
Lazo de Control Profundidad de
Espuma
P [%/%]
I [rep/s]
3.54
0.04


Fiura 2.5 @r4fico de control )" de profundidad de espuma
Tabla 2.12 )ar4metros para *a0o de Control de Flu3o de Aire
Lazo de Control Flujo de Aire
P [%/%]
I [rep/s]
0.54
0.25

60
65
70
75
80
85
90
95
100
105
110
0 60 120 180 240 300 360 420 480 540 600 660
,
r

-
u
n
$
i
$
a
$

$
e

.
"
p
u
m
a

/
c
m
0
)iemp /"0
Control )" de )rofundidad de 6spuma
(et ,int
,r-un$i$a$ $e
."puma

36


Fiura 2.10 @r4fico de control )" de flu3o de aire

2.!.#. ,eteccin Estado Estacionario
Las ecuaciones del simulador metalrgico que inciden en el control del sistema
slo son vlidas cuando el sistema se encuentra en un estado estacionario.
Pero sin una herramienta adecuada se torna complicado poder detectarlo, ya
que registrar valores de todas las variables por un periodo de tiempo
determinado para luego aplicar tests estadsticos, requiere de mucho espacio
de memoria en los computadores y experiencia por parte del usuario.
Una de las mejores alternativas es a travs del mtodo propuesto por
Rhinehart (1995), el cual corresponde a un mtodo computacionalmente de
bajo costo y fcil de implementar. ste determina el estado estacionario a
travs de la comparacin de la razn entre varianzas calculadas a partir de
dos mtodos distintos.
En el numerador, la varianza o
1
2
, corresponde a la desviacin al cuadrado entre
el dato actual y el promedio ponderado acumulado de las mediciones
anteriores. En el denominador, la segunda varianza o
2
2
, corresponde a la
desviacin al cuadrado entre el dato y el dato anterior del proceso.
Idealmente, cuando el proceso se encuentra en estado estacionario ambas
varianzas estimadas debiesen ser equivalentes, por tanto, su razn se
aproximara a la unidad. Por otra parte, cuando el proceso no se encuentra en
estado estacionario el valor del promedio ponderado de los datos no
representa la medicin actual, causando que la varianza del numerador y por
ende, la razn de la varianza, aumenten.
5100
5150
6100
6150
7100
7150
0 15 30 45 60 75 90 105 120 135 150 165 180
F
%
u
+

$
e

2
i
r
e

/
%
p
m
0
)iemp /"0
Control )" de Flu3o de Aire
(et ,int
F%u+ $e 2ire

37

Debido al ruido presente en toda la medicin, la razn de varianza puede ser
mayor que la unidad independientemente que se encuentre en estado
estacionario, por ello, se debe establecer como criterio un valor crtico para la
razn.
Para cada aplicacin del mtodo a los procesos, debe elegirse este valor
crtico de razn. Donde el valor obtenido, representa un compromiso entre la
sensibilidad del test y el nmero de falsas alarmas que pueda entregar. Una
recomendacin general es que la razn de varianzas sea menor a 1,6. Esto
indica, con un 95% de confianza, que el proceso se encuentra en estado
estacionario.
c
1
c
2
< 1,6 (2.6)
En la Figura 2.11 se puede apreciar el detector de estado estacionario en
funcionamiento. La lnea roja representa la profundidad de espuma en tiempo
real y la lnea azul el indicador de estado estacionario, con los valores de 1
para cuando existe un estado estacionario y 0 cuando hay un estado
transiente. Por tanto, mientras la profundidad de espuma se mantiene estable
se observa que se detecta un estado estacionario, y cuando existe una
variacin significativa de nivel se desactiva el estado estacionario. El mtodo
se describe con mayor detalle en el Apndice B.

Fiura 2.11 @r4fico de profundidad de espuma & detector de estado estacionario


50
60
70
80
90
100
110
120
0 60 120 180 240 300 360 420 480 540 600 660 720
)iemp /"0
,
r

-
u
n
$
i
$
a
$

$
e

.
"
p
u
m
a


/
c
m
0
%etector de 6stado 6stacionario
."ta$ ."tacinari
,r-un$i$a$ $e
."puma

38










CAIT7.( !



Imp!ementacio n de! Contro! "uper#isor $i%uso




39

Im)lementacin del Control $u)ervisor ,i/uso
!.1. Introduccin

En este captulo se describe la implementacin del control supervisor difuso
en el simulador metalrgico de la columna de flotacin.
Los objetivos de control se refieren a: lograr condiciones determinadas en la
ley de concentrado y en la recuperacin. Para conseguir estos objetivos el
sistema acta sobre los set points del control distribuido convencional, estos
son profundidad de espuma y flujo de aire.
Se definen dos tablas lgicas de control que tienen en sus bloques de
antecedentes a las variables objetivo y en el bloque de consecuencias los set
points de la profundidad de espuma y el flujo de aire, respectivamente.
!.2. Control $u)ervisor ,i/uso

El sistema de control puede manejar trminos ambiguos o imprecisos,
adems, representa el razonamiento de un supervisor real.
El sistema implementado en la columna de flotacin piloto, persigue los
siguientes objetivos:
Ley de Concentrado: Mantener el valor de esta variable en una banda
permitida en torno al valor de referencia asignado al control difuso.

Recuperacin: No dejar que esta variable sea ms baja que un lmite
mnimo definido por el usuario.

Para cumplir estos objetivos el sistema acta sobre los set point de los
controladores del sistema distribuido convencional, es decir, el control de la
profundidad de espuma y de flujo de aire.
El control supervisor difuso se basa en dos tablas lgicas, una para cada
variable de salida, como se representa en la Figura 3.1

40


Fiura (.1 Tablas licas del control supervisor difuso

!.2.1. Funciones de ertinencia

Para el desarrollo de las experiencias, se utilizan tres conjuntos difusos para
la fuzificacin de las variables, tanto del bloque de antecedentes como de
consecuencias. Se considera el mismo nmero de niveles para todas las
variables de las diferentes tablas lgicas de control en el transcurso de una
experiencia.
Los conjuntos difusos se definen de acuerdo a 3 niveles:
LN (Large Negative): Representa un error negativo de ley de
concentrado o de recuperacin.

Z (Zero): Representa un error dentro de la banda establecida para la ley
de concentrado y para la recuperacin mnima.

LP (Large Positive): Representa un error positivo de ley de concentrado
o de recuperacin.

Una representacin de los conjuntos difusos y sus grados de pertenencia se
muestra en la Figura 3.2 para las variables de entrada (error ley de
concentrado y error recuperacin).

41


Fiura (.2 Funciones de pertenencia para las variables de entrada

!.2.2. 0lo3ue de Antecedentes

De la Figura 3.1, queda claro que el bloque de antecedentes, para las dos
tablas est definido por el error en la ley de concentrado (ErrorIcy
conc
) y el
error en la recuperacin (ErrorR
]c
)
Error en la Ley de Concentrado

Este valor de entrada est definido como la diferencia entre la ley de
concentrado (Icy
conc
) obtenido por el simulador metalrgico y el valor
del set point de dicha variable (SpIcy
conc
), ingresado por el usuario,
como se muestra en la Ecuacin 3.1.

ErrorIcy
conc
= Icy
conc
SpIcy
conc
(3.1)


42

De acuerdo a esta definicin el error tiene valores positivos, cuando la
ley de concentrado es superior al set point, y valores negativos en el
caso contrario.

Para efectos de las experiencias realizadas, los lmites del rango del
error de la ley de concentrado se consideran entre -0.5% y +0.5% en
forma arbitraria. Valores mayores o menores se les asignan los grados
de pertenencia absoluta para los lmites, en la fuzificacin de la variable.

Error en la Recuperacin

Se define como la diferencia entre la recuperacin calculada (R
]c
) y el
valor de recuperacin mnima (R
mn
) asignado por el usuario, tal como
se aprecia en la Ecuacin 3.2.

ErrorR
]c
= R
]c
R
mn
(3.2)

De acuerdo a esta definicin, el error tiene valores positivos cuando la
recuperacin es superior al lmite mnimo, y valores negativos en el
caso contrario.

Como se desea mantener la recuperacin sobre el valor mnimo, se
define un rango entre -5% a +10% para la fuzificacin de la variable.
Cabe destacar que la funcin de pertinencia no debe ser
necesariamente simtrica como se observa en la Figura 3.2, debido a
que para la decisin de control no es lo mismo si existe una
recuperacin menor al mnimo o si existe una recuperacin sobre el
mnimo. Por tanto, es necesario castigar de cierta forma cuando el
sistema est por debajo de la recuperacin mnima, y esto se logra
gracias a la decisin de la funcin de pertenencia.

!.2.!. 0lo3ue de Consecuencias

Est definido por las salidas de las dos tablas lgicas de control: set point de
profundidad de espuma y set point del flujo de aire. (TLC1, TLC2). Las tablas
lgicas de control representan los distintos escenarios que puede haber en
referencia a errores en los objetivos mineralgicos, y a cada escenario se le
asigna el cambio en la respuesta en uno de los dos recursos de profundidad
de espuma y flujo de aire para tal decisin. Las tablas de control utilizadas se

43

obtuvieron observando el comportamiento del sistema y basadas en las tablas
de control sugeridas por Bergh (1998).
TLC 1: La salida corresponde al set point de la profundidad de espuma,
pero la variable fuzificada en el bloque de consecuencias es un cambio
en el set point, como se aprecia en la Ecuacin 3.3 y la TLC se observa
en la Tabla 3.1.

SpE
]-
= SpE
]-(-1)
_ ASpE
]-
(3.3)

Tabla (.1 Tabla de Control 1


TLC 2: La salida a esta tabla corresponde al set point del flujo de aire,
pero al igual que el caso anterior se considera fuzificar un cambio en el
set point, de acuerdo a la Ecuacin 3.4 y la TLC se observa en la Tabla
3.2.

Sp[
g-
= Sp[
g-(-1)
_ASp[
g-
(3.4)

Tabla (.2 Tabla de Control 2


!.2.#. Rango de Accin

El control supervisor acta sobre los set point del sistema distribuido, por lo
tanto, el lmite de la salida est dado por los valores mximos y mnimos que
pueden alcanzar estas variables. Sin embargo, la forma en que ellas llegan a
esos valores, est definida por los rangos de los incrementos asociados a cada
tabla lgica de control.
6rror 7ecuperacin *> = *)
*> 3 3 3
= 4, 3 45
*) 4, 3 45
6rror *e& de Concentrado
6rror 7ecuperacin *> = *)
*> 3 3 3
= 45 3 4,
*) 45 3 4,
6rror *e& de Concentrado

44

En el transcurso de las experiencias los rangos de actuacin de control
supervisor (variables de salida fuzificadas) podran ser modificadas, si es
necesario, para maximizar la eficacia del control supervisor.

!.2.'. Tiem)o de %uestreo

Se utiliza un tiempo de muestreo igual para las dos tablas lgicas de control.
Este tiempo debe ser superior a los tiempos de muestreo del sistema
distribuido de control, a fin de que el control difuso no perturbe el
funcionamiento normal del sistema de control convencional.
Cabe destacar que es necesario que el sistema est en estado estacionario
para poder estimar correctamente las variables metalrgicas del simulador, y
de esa forma, tomar la decisin de control supervisor, por lo que el tiempo de
muestreo considera la condicin de estado estacionario del sistema.
Para efectos prcticos, el tiempo de muestreo considera un mnimo de 5 [min]
donde luego espera hasta que se haya logrado el estado estacionario para
efectuar la decisin de control.

!.2.*. ,es/u1i/icacin

En el desarrollo de las experiencias se utiliza el mtodo de centro de gravedad,
como se defini previamente en la Seccin 1.7.3.4 del Captulo 1.
!.!. %dulo de Coordinacin
El mdulo de coordinacin maneja la informacin que permite definir la
eleccin de la tabla lgica de control, de acuerdo a la disponibilidad de los
recursos existentes de profundidad de espuma y flujo de aire, a fin de lograr
los objetivos de control.
Para esto, la unidad elige entre ocupar uno u otro recurso de forma tal que el
sistema quede lo ms cercano a los valores normales de operacin, y los
recursos sean utilizados de la forma ms eficiente posible. As se evita la
saturacin innecesaria de los recursos de profundidad de espuma y flujo de
aire.
Si todos los recursos estn siendo utilizados al mximo y an no se logran los
objetivos de control, el mdulo emite una alerta especificando que recursos

45

estn siendo utilizados al mximo de forma que la decisin de control integre
eventualmente otras unidades del circuito de flotacin (rougher, scavenger,
alimentacin) para solucionar el problema presente.
La disponibilidad de los recursos se decide mediante indicadores
adimensionales que permiten saber cuan cerca est el recurso de la
saturacin.
Indicador de disponibilidad de profundidad de espuma (6
H
):
6
Ht
=
Sp
]
-

mc
-
min

(3.5)
Donde:
SpE
]
: Set point de la profundidad de espuma en el tiempo
E

]
: Valor medio del rango de profundidad de espuma
E
mu
: Valor mximo de profundidad de espuma
E
mn
: Valor mnimo de profundidad de espuma

Indicador de disponibilidad de flujo de aire (6
F
):
6
Ft
=
SpP
g
-P

g
P
mc
-P
min
(3.6)
Donde:
Sp
g
: Set point de flujo de aire en el tiempo

g
: Valor medio de flujo de aire

mu
: Valor mximo de flujo de aire

mn
: Valor mnimo de flujo de aire

Adems de estos indicadores, el mdulo de coordinacin revisa el valor de
salida del control difuso para ambos recursos, que se llamarn A

y A
P
para la
profundidad de espuma y flujo de aire respectivamente, con lo que puede
determinar tambin qu recurso est ms cerca de saturarse luego de la
decisin de control.


46

A

= SpE
]
SpE
]-1
(3.6)
A
P
= Sp

Sp
-1
(3.7)
6
m7x

6
prm

6
m8n

96
t#1
1F
t#1
:

F
min
F
m7x
F
prm

;F
96
t#1
1F
t
:
;6
96
t
1F
t#1
:
<F
<6

Fiura (.( 68plicacin r4fica de par4metros utili0ados en mdulo de coordinacin

En la Figura 3.3 se explica grficamente el significado de los parmetros
utilizados en el mdulo de coordinacin. En un grfico que muestra los rangos
de actuacin para los recursos de profundidad de espuma (H) y flujo de aire
(F), se ubica el punto {Ht-1, Ft-1} que indica el valor de los recursos del sistema
previo a la decisin de control. La decisin de control mediante control difuso
establece que para lograr el objetivo mineralgico de ley de concentrado y
recuperacin es necesario actuar sobre uno de los recursos, modificar o la
profundidad de espuma {Ht, Ft-1}, o el flujo de aire {Ht-1, Ft}.
El mdulo de coordinacin decide entonces qu opcin permite utilizar los
recursos de la manera ms eficiente, lejos de los lmites de saturacin de los
recursos, tanto los mnimos como los mximos. Grficamente, corresponde a
la solucin que est lo ms cercano posible al centro de la Figura 3.3.

47

Se observa entonces, que una buena decisin de control, la cual es utilizada
en este estudio, sera modificar la profundidad de espuma, es decir, llegar al
punto {Ht, Ft-1} marcado en la Figura 3.3 en azul. De la misma forma ocurre
para futuras decisiones de control. Esto no quita de que se pueda lograr una
mejor decisin de control mediante otra utilizacin de estos indicadores de
disponibilidad de recursos, pero esto va ms all de los alcances de este
estudio.
Adems el mdulo alerta cuando las condiciones de entrada de alimentacin
permiten que haya una solucin de control. Por ejemplo, si existe una mala
calidad de alimentacin en trminos de ley de alimentacin, no va a existir una
solucin en trminos de control sobre profundidad de espuma y flujo de aire
para lograr el objetivo mineralgico.
En la Figura 3.4 se puede observar la ley de alimentacin en el caso de la
mayor profundidad de espuma y el menor flujo de aire, que representara la
mejor ley de concentrado posible ante un valor de ley de cabeza.

Fiura (.+ /ensibilidad *e& de Alimentacin (profundidad de espuma: 1.0 EcmFG flu3o de aire: ( ElpmF)
En la Figura 3.4 se puede observar que para porcentajes de mineral en la
alimentacin menores a 5% la ley de concentrado en el mejor de los casos
(bajo flujo de aire y alta profundidad de espuma) apenas alcanzar los valores

48

mnimos de operacin en este estudio que bordean el 20%. Por lo tanto, con
un ingreso de mineral en la alimentacin menor al 5% no existira una solucin
de control sobre la profundidad de espuma y flujo de aire tal que permita lograr
el objetivo de control sobre la ley de concentrado.
Por tanto, para operar el supervisor difuso se hace necesario activarlo
solamente cuando se cumplan las condiciones mnimas de las condiciones de
entrada como se muestra a continuacin en la Tabla 3.3. Estas condiciones
son obtenidas a partir de los rangos de disponibilidad fsica de los recursos en
el laboratorio en el caso de los flujos de alimentacin y de agua de lavado, y
en los rangos en los cuales el modelo funciona para el mineral de alimentacin,
porcentaje de slidos y d80.
Tabla (.( 7anos en las condiciones de entrada para el funcionamiento del control supervisor difuso
Variable Unidades Mnimo Mximo
Flujo de Alimentacin lpm 0.25 1.25
Flujo de Agua de Lavado lpm 0.25 2.5
Mineral en Alimentacin % 5 50
Porcentaje de Slidos % 5 50
d80 m 10 200

Una vez cumplida esta condicin se accede al mdulo de coordinacin, como
se muestra en las Figuras 3.5 y 3.6 en forma de diagrama de flujo, que como
previamente se explic puede determinar cul es la forma ms eficiente de
utilizar los recursos disponibles para lograr los objetivos mineralgicos.
La Figura 3.5 corresponde a la lgica empleada cuando 6
H
6
F
, y la Figura
3.6 corresponde a la lgica empleada cuando 6
H
< 6
F
. La lgica est
pensada en cmo debera actuar el sistema para evitar caer en las zonas de
saturacin y a la vez obtener un punto de operacin eficiente en cuanto al
grado de disponibilidad de recursos.
Los smbolos empleados en el diagrama de flujo se explican a continuacin:
: Verifica si la condicin en el rombo se cumple o no, si la respuesta es
positiva se continua por la rama de la izquierda, en caso contrario por la
derecha
: Accin tomada por el mdulo para cumplir con la estrategia seguida por la
rama.

49

: Representa una alarma, accionada cuando ambos recursos se han
saturado.


Fiura (.. %iarama de flu3o del mdulo de coordinacin para 6
H
>6
F


50


Fiura (.6 %iarama de flu3o del mdulo de coordinacin para 6
H
<6
F

!.#. ,escri)cin de $o/t9are ,esarrollado
El control PI clsico es implementado en el software VersaPro, su
accionamiento se realiza desde la interfaz del usuario cuando se requiere. Este
controlador utiliza slo el set point requerido por el operario y evala el valor
de la variable, profundidad de espuma y flujo de aire, la que es calculada por
Intouch y luego es importada a VersaPro.
El simulador metalrgico es accionado desde MatLab, este documento
contiene los clculos y estimaciones de las variables mineralgicas y de los
objetivos de control de ley de concentrado y recuperacin. Todos estos valores
son enviados al software Intouch para que el usuario pueda monitorearlas.
En la Toolbox Fuzzy Logic se crea el archivo .fis de lgica difusa que efecta
el control supervisor difuso del sistema, como se observa en la Figura 3.7.

51


Fiura (.1 6ditor Toolbox Fuzzy Logic
En el editor difuso se pueden observar las funciones de membresa utilizadas,
que tiene forma triangular debido a la rapidez (Zhao, 2002). Las funciones de
membresa de la variable ErrorRec se observa en la Figura 3.8.

52


Fiura (.2 6ditor de funciones de membres#a para la recuperacin de espuma
Por ltimo, se implementa las respuestas de cambio de set point de
profundidad de espuma y flujo de aire, cuyos dominios van entre -15 y 15 [cm]
para la profundidad de espuma, como se muestra en la Figura 3.9; y va entre
-0.75 y 0.75 [lpm] para el flujo de aire, como se muestra en la Figura 3.10.

53


Fiura (.5 Funciones de membres#a para la profundidad de espuma


Fiura (.10 Funciones de membres#a para el flu3o de aire

54

Las reglas de decisin o tambin conocidas como las bases del conocimiento
se observan en la Figura 3.11 y se eligen de acuerdo al anlisis terico del
fenmeno. Este anlisis terico toma en cuenta los distintos escenarios que
pueden haber de errores en la ley de concentrado y recuperacin, y las
acciones para cada caso en trminos de cambio en el set point de profundidad
de espuma y flujo de aire.

Fiura (.11 6ditor de relas licas para el control difuso


55










CAIT7.( #



Eperiencias de Contro!




56

E4)eriencias de Control
#.1. ,ise:o de e4)eriencias
En este captulo se mostrar el funcionamiento del supervisor difuso para
controlar los valores de los objetivos mineralgicos de ley de concentrado y
recuperacin frente a perturbaciones en las condiciones de entrada tanto en
flujos de alimentacin y variables mineralgicas, con el objetivo que se
asemeje lo ms posible a una operacin real.
Para cada experiencia se tomar como referencia la situacin base de control
sin supervisin, para mostrar cmo ante la ausencia de un control supervisor
el sistema es o no capaz de corregir la desviacin en los objetivos de control
del sistema, frente a las continuas perturbaciones en las condiciones de
entrada. Por tanto, solamente controlando los objetivos secundarios, en tal
caso mediante un control convencional PID sobre la profundidad de espuma y
el flujo de aire, se vera si es suficiente para mantener los objetivos principales
de control en los valores deseados.
Se realiza un anlisis de las experiencias de control tanto en forma individual
como global. Se discuten finalmente los resultados entregados por ambos
sistemas, con el objeto de analizar las diferencias existentes entre las dos
estrategias de control.
Para estudiar el comportamiento del sistema con y sin supervisin, se ha
elegido crear perturbaciones en las variables mineralgicas y los flujos de
alimentacin y agua de lavado, utilizando un modelo estocstico de tipo
ARIMA para simular, las perturbaciones de este tipo de variables en una
operacin real. El algoritmo utilizado se detalla en el Apndice D.
Una vez obtenidos los datos del comportamiento del sistema con y sin
supervisin difusa, frente a la misma variabilidad en los flujos de entrada y las
variables mineralgicas, se procede a comparar el rendimiento de ambas
estrategias de control, en funcin de los objetivos mineralgicos de ley de
concentrado y recuperacin de espuma. Tambin se compara la rapidez del
sistema en obtener los resultados esperados y el comportamiento de las
variables manipuladas para tal objetivo.
Las variables utilizadas y el grado en el que son perturbadas se detallan en la
Tabla 4.1.



57

Tabla +.1 ,ariables perturbadas & el rano correspondiente
Variables Perturbacin Valores
Iniciales
Rango
Flujo de Alimentacin 2.0 [lpm] 1.5 2.5 [lpm]
Porcentaje Mineral Valioso 10% 5 15 [%]
d80 100 [m] 50 100 [m]
Porcentaje de Slidos 25% 20 30 [%]

Se realizan 3 experiencias, en los que cada una se evala el control con y sin
supervisin. Las experiencias resumen casos posibles dentro de la operacin
de la columna:
Experiencia 1: Ley de concentrado baja y recuperacin alta
Experiencia 2: Repeticin de la Experiencia 1 con nuevos parmetros
de control difuso
Experiencia 3: Ley de concentrado alta y recuperacin baja

En cada experiencia los casos con y sin control supervisor se compararn con
los mismos set points iniciales de profundidad de espuma y flujo de aire y los
mismos objetivos mineralgicos. Esta informacin se detalla en la Tabla 4.2.
Tabla +.2 /et points de condiciones iniciales & ob3etivos mineralicos
Set de
Experiencias
Profundidad
de Espuma
Inicial [cm]
Flujo de
Aire Inicial
[lpm]
Ley de
Concentrado
[%]
Recuperacin
[%]
Experiencia 1 100 6 20 64
Experiencia 2 100 6 20 64
Experiencia 3 125 4 30 35

Cada grfico incluye un indicador, cuyo valor es 1 cuando se cumple la
condicin de estado estacionario y 0 cuando no se cumple.
Los parmetros del control supervisor difuso utilizados son los que se
detallaron en el Captulo 3, sin embargo, pueden ser modificadas si se estima
que otros parmetros podran mejorar la decisin de control.


58

#.2. An+lisis de resultados
#.2.1. An+lisis de datos; E4)eriencia 1
Esta experiencia representa las condiciones en que se desea mantener la ley
de concentrado en valores bajos y la recuperacin en valores altos.
Se observa en la Figura 4.1 los valores de ley de concentrado obtenidos de
ambas formas: solamente con control PID y con supervisor difuso. El set point
de la ley de concentrado se intenta mantener en torno al 20%, con un rango
de 1.0% Las perturbaciones a las que fue sometido el sistema se muestra en
la Figura 4.2.

Fiura +.1 68periencia 1 9 @r4fico le& de concentrado 20H
0
0
0
0
1
1
1
1
13
15
17
19
21
23
25
27
0 10 20 30 40 50 60
4
e
=

$
e

>

n
c
e
n
t
r
a
$

/
?
0
)iemp /min0
68periencia 1: *e& de Concentrado 20 H
4e= (p 4e= 4e= @i-u" mar!en %e= ."ta$ ."tacinari

59


Fiura +.2 ,ariables perturbacin en la 68periencia 1
Se observa en la Figura 4.2 que de las variables perturbacin la ley de
alimentacin mantuvo una tendencia a aumentar durante la experiencia y el
dimetro de partculas tendi a decrecer. Esto llev a que la ley de concentrado
tendiera a aumentar por sobre los lmites de control.
En la Figura 4.3 se pueden observar los valores de recuperacin para cada
tipo de control. La recuperacin mnima crtica se fij en 50%.

60


Fiura +.( 68periencia 1 9 @r4fico recuperacin .0H
Se observa en la Figura 4.3 que en ambos casos la recuperacin estuvo sobre
el mnimo, con la salvedad que con el supervisor difuso aumentaron los valores
de recuperacin ms que sin supervisin. Esto se debe a que el control
supervisor logr bajar la ley de concentrado, fenmeno que naturalmente
conlleva un aumento en la recuperacin.
Se comparan para ambos tipos de control el porcentaje del tiempo total en que
se cumplieron los objetivos de control, como se muestra en la Tabla 4.3. Se
observa que la ley de concentrado est dentro de los mrgenes permitidos y
la recuperacin est sobre la recuperacin mnima. Se puede observar
adems que el control supervisor difuso mantuvo por ms tiempo los objetivos
mineralgicos en el rango deseado.
Tabla +.( %esempe$o de controles 68periencia 1

La utilizacin de los recursos de profundidad de espuma y flujo de aire para
cada caso, se pueden observar en las Figuras 4.4 y 4.5 respectivamente. Se
observa que en ambos casos, el control supervisor difuso cambiaba
#012
0
012
014
016
018
1
112
30
35
40
45
50
55
60
65
70
75
80
0 10 20 30 40 50 60
A
e
c
u
p
e
r
a
c
i
B
n

C
%

&
a
%
/
?
0
)iemp /min0
68periencia 1: 7ecuperacin .0 H
Aec @i-u" Aec Amin ."ta$ ."tacinari
/in /upervisin Control %ifuso
*e& de concentrado 40? 73?
7ecuperacin 100? 100?
H Tiempo en limites de control

61

continuamente los set points para adecuarse a las mltiples perturbaciones a
las que fue sometido el sistema como se mostr en la Figura 4.2, en particular
el aumento continuo en la ley de alimentacin. Las decisiones de control estn
marcadas con nmeros consecutivos del 1 al 9 en las Figuras 4.4 y 4.5.
1 2
6

Fiura +.+ 68periencia 1 B )rofundidad de espuma utili0ada


62

1
( + .
1 2 5

Fiura +.. 68periencia 1 B Flu3o de aire utili0ado
En la Figura 4.5 se observa que la accin tomada para devolver la ley de
concentrado que estaba por debajo del rango, como se vio en el minuto 20 en
la Figura 4.1, fue una accin demasiado grande, lo cual hizo que el valor de la
ley de concentrado aumentara rpidamente hacia un valor por sobre el rango.
Adems, el tiempo de muestreo fue demasiado largo para poder adecuarse
rpidamente a los continuos cambios en el sistema.
Por tanto, para la siguiente experiencia se considerar disminuir el tiempo de
muestreo de 5 a 3 minutos y disminuir el rango de accin de las variables de
salida: profundidad de espuma de 15 [cm] a 10 [cm] y el flujo de aire de
0.75 [lpm] a 0.33 [lpm], con el objetivo de realizar acciones ms rpidas y
ms precisas.
Cabe destacar que a lo largo de la experiencia, el sistema utiliz el recurso
que permita mantener el sistema lo ms lejos de la saturacin, de hecho,
ningn recurso fue saturado en ningn momento, y el sistema se mantuvo
relativamente cercano al valor medio de los rangos de los recursos.
En la Figura 4.6 se observa un diagrama con la utilizacin de recursos en la
Experiencia anterior. Las decisiones de control que se enumeraron
previamente se muestran como puntos en el diagrama.

63

1
29+
(9.
692
195

Fiura +.6 68periencia 1 B %iarama de utili0acin de recursos
Se observa en la Figura 4.6 que para mantener el set point de ley de
concentrado y recuperacin fue necesario mover la operacin desde el
centro del diagrama, que representa el punto ms alejado de los lmites de
saturacin. Sin embargo, este movimiento fue gradual y oscilante como se
observa en la Figura 4.6 donde varias de las decisiones de control siguientes
fue volver al set point anterior, que es inconsistente a un buen control en el
sistema. Por lo mismo, se hace necesario modificar los parmetros de control
como se mencion previamente.

#.2.2. An+lisis de datos; E4)eriencia 2
Esta experiencia representa las mismas condiciones que en la Experiencia
anterior, en el cual se desea mantener la ley de concentrado en valores bajos
y la recuperacin en valores altos. La diferencia se da en los cambios de
parmetros en el control difuso como se muestra en la Tabla 4.4.



64


Tabla +.+ 68periencia 2 9 Cambios en los par4metros de control difuso
Variable Valor inicial Valor final
Tiempo mnimo decisin 5 [min] 3 [min]
Cambio profundidad de
espuma
15 [cm] 10 [cm]
Cambio flujo de aire 0.75 [lpm] 0.3 [lpm]

Se observa en la Figura 4.7 los valores de ley de concentrado obtenidos de
ambas formas: solamente con control PID y con supervisor difuso. El set point
de la ley de concentrado se intenta mantener en torno al 20%, con un rango
de 1.0%

Fiura +.1 68periencia 2 B @r4fico le& de concentrado 20H
Si se compara con la experiencia anterior, el control difuso logr mantener el
sistema dentro de los lmites de control durante gran parte de la experiencia.
Esto demuestra que los nuevos parmetros del control difuso fueron acertados
para mantener el sistema dentro de los lmites de control y se adapt
rpidamente a las perturbaciones sin utilizar acciones de control excesivas
para lograr los objetivos.
0
0
0
0
1
1
1
1
13
15
17
19
21
23
25
27
0 10 20 30 40 50 60
4
e
=

$
e

>

n
c
e
n
t
r
a
$

/
?
0
)iemp /min0
68periencia 2: *e& de Concentrado 20 H
4e= (p 4e= 4e= @i-u" mar!en %e= ."ta$ ."tacinari

65

Las perturbaciones a las que fue sometido el sistema se muestran en la Figura
4.8.

Fiura +.2 ,ariables perturbacin en la 68periencia 2
Se observa en la Figura 4.8 que de las variables perturbacin la ley de
alimentacin en particular se mantuvo estable y disminuy entre los minutos
45 y 60. Sin embargo, esta disminucin fue rpidamente controlada gracias a
la accin sobre el flujo de aire, demostrando que un menor tiempo de muestreo
y un rango de accin menor, son capaces de controlar ms rpido y con mejor
precisin el sistema frente a las perturbaciones.
En la Figura 4.9 se observan los valores de recuperacin para cada tipo de
control. La recuperacin mnima crtica se fij en 50%.

66


Fiura +.5 68periencia 2 9 @r4fico recuperacin .0H
En la Figura 4.9 se observa que en ambos casos la recuperacin estuvo muy
por sobre el mnimo nuevamente. A diferencia de la experiencia anterior los
valores de recuperacin se mantuvieron relativamente estables durante toda
la experiencia.
Comparando ambos tipos de control, como se muestra en la Tabla 4.5
nuevamente se ve una gran diferencia entre el control sin supervisin y el
control supervisor difuso. En este caso aument ms el tiempo en el que la ley
de concentrado estuvo dentro de los lmites de control, comparado con la
experiencia anterior. Nuevamente, en ambos casos la recuperacin fue muy
superior al valor mnimo crtico.
Tabla +.. %esempe$o de controles e8periencia 2

La utilizacin de los recursos de profundidad de espuma y flujo de aire para
cada caso, se pueden observar en las Figuras 4.10 y 4.11 respectivamente.
Se observa que en ambos casos, el control supervisor difuso cambiaba
continuamente los set points para adecuarse a las mltiples perturbaciones a
0
0
0
0
1
1
1
1
40
45
50
55
60
65
70
75
0 10 20 30 40 50 60
A
e
c
u
p
e
r
a
c
i
B
n

C
%

&
a
%

/
?
0
)iemp /min0
68periencia 2: 7ecuperacin .0 H
Aec Amin Aec @i-u" ."ta$ ."tacinari
/in /upervisin Control %ifuso
*e& de concentrado 40? 92?
7ecuperacin 100? 100?
H Tiempo en limites de control

67

las que fue sometido el sistema. Las decisiones de control estn marcadas
con nmeros consecutivos del 1 al 15 en las Figuras 4.10 y 4.11.
1
2
1
5
11
1.

Fiura +.10 68periencia 2 B )rofundidad de espuma utili0ada

1
(
+
.
6 2
10
12
1(
1+

Fiura +.11 68periencia 2 B Flu3o de aire utili0ado

68

En la Figura 4.12 se observa un diagrama con la utilizacin de recursos en la
Experiencia anterior. Las decisiones de control que se enumeraron
previamente del 1 al 15 se muestran como puntos en el diagrama.
1
2 (9.
+ 6
1 2
5 10
11
12G1+
1(
1.

Fiura +.12 68periencia 2 B %iarama de utili0acin de recursos
A diferencia de lo observado en la Experiencia 1, se observa en la Figura 4.12
que el cambio de los parmetros en el control difuso hizo que el control fuese
ms sensible a las perturbaciones y a la vez, que la decisin fuese ms
precisa. Esto explica que la eficiencia del control haya aumentado
significativamente con respecto a la Experiencia 1.
Cabe destacar que los recursos utilizados estuvieron ms lejos de los lmites
de saturacin comparado a la Experiencia 1, que comprueba el funcionamiento
exitoso del mdulo de coordinacin.

#.2.!. An+lisis de datos; E4)eriencia !
Esta experiencia representa las condiciones en que se desea mantener la ley
de concentrado en valores altos y la recuperacin en valores bajos.
En la Figura 4.13 se observa los valores de ley de concentrado obtenidos de
ambas formas: solamente con control PID y con supervisor difuso. El set point

69

de la ley de concentrado se intenta mantener en torno al 25%, con un rango
de 1.0%

Fiura +.1( 68periencia ( B @r4fico le& de concentrado 2.H
Se observa en la Figura 4.13 que el sistema bajo supervisin difusa una vez
ms se mantuvo dentro de los rangos de control, a diferencia del caso sin
supervisin. Se observan pequeos picos de valores de ley de concentrado
fuera del rango, que en su mayora son producidos por perturbaciones tanto
en la medicin de flujo de aire como en otras variables. A diferencia del error
en la ley de concentrado que se produjo en la Experiencia 1, estos picos no
representan una baja calidad del control supervisor, como s sera si los valores
se mantuvieran constantes en el tiempo fuera del rango de control.
Las perturbaciones estocsticas de las variables simuladas se pueden ver en
la Figura 4.14. Cabe destacar que la calidad de alimentacin estuvo en el
lmite, ya que con una ley de alimentacin menor a 10% no habra existido una
solucin en trminos de set points de ley de profundidad de espuma y flujo de
aire para alcanzar los objetivos mineralgicos.
0
0
0
0
1
1
1
1
16
18
20
22
24
26
28
30
0 5 10 15 20 25 30 35 40
4
e
=

$
e

>

n
c
e
n
t
r
a
$

/
?
0
)iemp /min0
68periencia (: *e& de Concentrado 2.H
4e= (p 4e= 4e= @i-u" mar!en %e= ."ta$ ."tacinari

70


Fiura +.1+ ,ariables perturbacin en la 68periencia (
En la Figura 4.15 se pueden observar los valores de recuperacin para cada
tipo de control. La recuperacin mnima se fij en 45% con un rango de control
de un 5% menor al mnimo.

Fiura +.1. 68periencia ( 9 @r4fico recuperacin +.H
0
0
0
0
1
1
1
1
0
10
20
30
40
50
60
0 5 10 15 20 25 30 35 40
A
e
c
u
p
e
r
a
c
i
B
n

C
%

&
a
%

/
?
0
)iemp /min0
68periencia (: 7ecuperacin +.H
Aec @i-u" Aec Amin mar!en rec ."ta$ ."tacinari

71

Se observa en la Figura 4.15 que a diferencia de las experiencias anteriores,
la recuperacin estuvo por debajo de los lmites de control con y sin
supervisin. Sin embargo, el supervisor difuso llev el sistema a alcanzar por
lo menos el rango de control mnimo para la recuperacin, logrando esto sin
perder calidad en el control de la ley de concentrado que es la prioridad para
el sistema. Se debe destacar que la prdida de eficacia en el control de la
recuperacin se debe en gran medida a la calidad de la alimentacin que esta
vez estuvo al lmite de lo mnimo. Si la calidad de alimentacin hubiese sido
an ms baja no habra existido la forma de alcanzar ni los objetivos de
recuperacin ni de ley de concentrado, debiendo en ese momento alertar de
que los objetivos no se estaran cumpliendo debido a la baja calidad de
alimentacin.
Al comparar ambos tipos de control, como se muestra en la Tabla 4.6, se
observa que el control supervisor fue mucho ms eficaz en mantener el
sistema dentro de los lmites de control, sin embargo, para lograr un buen
control en la ley de concentrado fue necesario sacrificar en cierta forma el
control sobre la recuperacin como se mencion previamente.
Tabla +.6 %esempe$o de controles 68periencia (

La utilizacin de los recursos de profundidad de espuma y flujo de aire para
cada caso, se pueden observar en las Figuras 4.16 y 4.17 respectivamente.

/in /upervisin Control %ifuso
*e& de concentrado 32? 87?
7ecuperacin 0? 36?
H Tiempo en limites de control

72

1 2
( 6 1 2

Fiura +.16 68periencia ( B )rofundidad de espuma utili0ada

1 +
.
5 10
11
12

Fiura +.11 68periencia ( B Flu3o de aire utili0ado

73

Se puede observar que el sistema se adapt a las perturbaciones y mantuvo
la ley de concentrado en torno a su set point, y logro llevar la recuperacin a
valores sobre el mnimo requerido.
Se observa adems que para ambos recursos el sistema ocup aquel que
mantuviera la operacin lo ms lejos de la saturacin, elevando en lo posible
el flujo de aire y bajando la profundidad de espuma.
1

2G(
+ .G1
6G2 5G11
10G12

Fiura +.12 68periencia ( B %iarama de utili0acin de recursos
En la Figura 4.18 se puede ver la dinmica de utilizacin de recursos en la que
paulatinamente el sistema tendi a tomar la decisin de control que moviera al
sistema lo ms lejos de la zona de saturacin, y tendi a irse hacia el centro
del diagrama.

#.2.#. (bservaciones generales
Se comprueba que solamente el control PID sin supervisin, sobre los
objetivos secundarios no permite en ningn caso mantener un buen control
sobre los objetivos perseguidos frente a perturbaciones en las variables de
entrada tal como se vio a lo largo de los experimentos.

74

Se pudo observar en las experiencias anteriores que el control supervisor
difuso es robusto y capaz en gran medida de mantener los objetivos de control
dentro de los rangos aceptables para el operador, siempre que se est dentro
del rango de operacin en el cual este sistema fue diseado y se utilicen
parmetros de control que permitan un mejor control frente a las
perturbaciones, como se vio en la mejora del control entre la Experiencia 2 y
la Experiencia 1.
Se puede discutir tambin algn otro criterio para el tiempo de muestreo en
estudios posteriores a este trabajo, ya que existen mltiples formas para
establecer cuando efectuar la decisin de control. Por ejemplo, esta decisin
puede darse en tiempos fijos de muestreo, o bien, cada vez que el objetivo
mineralgico salga del rango de control.
El control de la operacin depende en gran medida del grado de perturbacin
sobre variables clave, tales como la ley de cabeza en la alimentacin. De la
Experiencia 3 se debe tomar en cuenta que una baja calidad de la
alimentacin, en trminos de ley de alimentacin principalmente, habra
significado que no habra existido una solucin de control de objetivos
secundarios para alcanzar los objetivos mineralgicos, es decir, una baja ley
de alimentacin habra generado tanto una baja ley de concentrado como
tambin una bajar recuperacin. En ese momento, la solucin implica sacrificar
uno de los objetivos mineralgicos, o bien depende de la operacin de la planta
fuera del alcance de los controles de la columna debiendo en ese momento
quedar en manos del operador de la columna.
Una solucin sera, pensando en la columna formando parte de un circuito de
flotacin ms amplio que contenga celdas de flotacin, remoliendas, etc.,
alertar a los equipos que alimentan a la columna (por ejemplo el rougher) de
que est ingresando a la columna alimentacin de baja calidad. O bien, alertar
al equipo que procese las colas de la columna (scavenger) que el flujo de colas
se ver aumentado debido a la baja recuperacin que se tendra que llegar
para lograr la ley de concentrado dentro del rango de control.
Se observa finalmente que el mdulo de coordinacin en cada caso cumple
con utilizar de mejor forma los recursos disponibles de profundidad de espuma
y flujo de aire, alejando lo ms posible la operacin de los lmites de saturacin
de los recursos. Las mltiples aplicaciones de este mdulo de coordinacin
implican que eventualmente puede, a partir de las condiciones de
alimentacin, predecir una zona de control para la cual existe solucin para los
objetivos mineralgicos.


75










CAIT7.( '



Conc!usiones & 'ecomendaciones




76

Conclusiones < Recomendaciones
'.1 Conclusiones
El simulador metalrgico es til para representar a grandes rasgos el
comportamiento de las variables mineralgicas de una columna de flotacin
real. Para esto fue necesario acoplar un detector de estado estacionario, que
permita hacer uso del simulador esttico, cuyas ecuaciones son vlidas slo
cuando el sistema se encuentra en estado estacionario.
El control convencional PID sobre los objetivos secundarios de la columna de
flotacin: profundidad de espuma y flujo de aire sirven a su vez para controlar
de buena forma los objetivos principales de ley de concentrado y recuperacin.
Sin embargo, ante la variacin continua de las condiciones de operacin
debido a las variaciones propias de los valores de entrada a la columna como
se simul mediante las variables perturbacin, se hace necesario el cambio
continuo de los set points de los controladores PID, para mantener los
objetivos mineralgicos principales en los valores establecidos.
El control supervisor difuso es una excelente herramienta que permite
modificar en tiempo real los valores de set point de los objetivos secundarios
de la columna y a su vez imitar el comportamiento de un operador
experimentado. Gracias a herramientas como la Toolbox Fuzzy Logic de
Matlab, el usuario puede libremente modificar los parmetros que desee del
control difuso: funciones de pertenencia, tablas lgicas de control, reglas de
inferencia, desfuzificacin, etc.
El control supervisor difuso adems demostr tomar decisiones rpidas y
asertivas sobre los objetivos secundarios para mantener los objetivos
mineralgicos. Sin embargo, para un uso eficiente de los recursos del control
y para evitar la saturacin de los recursos fue necesario crear un mdulo de
coordinacin, que permitiera elegir el recurso que mantuviera al sistema lo ms
lejos de las condiciones de saturacin.
El algoritmo de perturbaciones estocsticas adems, permiti simular de
buena forma las perturbaciones propias de las variables mineralgicas y las
variables de entrada al sistema como ocurre en condiciones reales. De esta
forma, se logr representar de mejor forma el comportamiento de la columna
y comparar la eficacia del sistema de control difuso para mantener los objetivos
mineralgicos de la columna.
Sin embargo, la variabilidad en las condiciones de entrada puede restringir la
eficacia del control supervisor difuso y su capacidad de alcanzar los objetivos

77

de control. Por eso se hace necesaria la existencia de un mdulo de
coordinacin que monitoree la calidad de la alimentacin de forma que el
control supervisor pueda tomar las decisiones de control en el rango de
operaciones para el cual fue diseado. Cuando no se cumplan las condiciones
mnimas de calidad de alimentacin el sistema puede alarmar eventualmente
al operador de forma tal que tome una decisin que involucre variables fuera
del rango de accin del control supervisor de la columna.

'.2 Recomendaciones
Para futuras experiencias con control supervisor difuso es altamente
recomendable la utilizacin de la herramienta Toolbox Fuzzy Logic de Matlab,
que permite actuar en un entorno amigable para que el usuario modifique los
parmetros de control. Dentro de las mltiples aplicaciones que esta
herramienta podra tener est la operacin y la capacitacin de operadores de
columnas de flotacin.
Se recomienda el uso de bombas que permitan un mayor flujo de alimentacin
y de agua de lavado, de forma de obtener velocidades superficiales ms
cercanas a los valores de un proceso real. Sin embargo, esto tambin implica
disminuir el tiempo de residencia del proceso, por lo cual se recomienda
estudiar los alcances y el comportamiento de la columna frente a tales
condiciones.
Se recomienda tambin estudiar ms a fondo el control sobre el agua de
lavado, ya que podra ser un objetivo secundario til cuando el control sobre
la profundidad de espuma y el flujo de aire no sean suficientes para lograr los
objetivos mineralgicos de la columna.
Estudiar el uso de un simulador metalrgico dinmico que permita calcular de
mejor forma el comportamiento de los objetivos mineralgicos ante las
perturbaciones reales del sistema, simulando de mejor manera el proceso real
de flotacin. Este estudio conllevara algoritmos ms complejos de bsqueda
de solucin de control, pero que podra lograr mejorar eventualmente los
tiempos de actuacin del control supervisor.
Se recomienda estudiar los efectos que produciran distintos tiempos de
muestreo para efectuar la decisin de control, y los criterios asociados a elegir
un mtodo en particular.
Se recomienda ahondar en la investigacin de estrategias de control que
permitan identificar condiciones de operacin fuera de los rangos presentados

78

en este estudio, tanto en la calidad de la alimentacin como tambin en rangos
mayores y menores de profundidad de espuma y flujo de aire.
Investigar tambin la deteccin de fallas en el sistema, que permita identificar
componentes de la columna que no estn funcionando adecuadamente
atentando contra la eficacia del control. Por ejemplo, detectar cuando la vlvula
de control de flujo de aire no funciona adecuadamente y no logra responder
frente a los cambios de set point que entrega el control supervisor.
Investigar el comportamiento de la columna bajo una estrategia de control
similar para alimentaciones de mltiples componentes, que se puede tambin
implementar en el simulador metalrgico.
Estudiar este tipo de estrategias de control para otras unidades de flotacin de
minerales, tales como las celdas rougher y scavenger. Sera interesante
adems estudiar el comportamiento de controles supervisores difusos para
sistemas donde intervienen las distintas unidades de flotacin a la vez como
por ejemplo, una columna acoplada a un banco de celdas rougher o un modelo
a escala de un circuito RCS.
Implementar cmaras sobre la columna que permita observar mejor las
caractersticas fsicas de la espuma. De esta forma se podra mejorar los
objetivos de control de ley de concentrado y de recuperacin.
Se recomienda estudiar otros diseos para el mdulo de coordinacin que
permita utilizar otros criterios para elegir el recurso a utilizar, como tambin
utilizar ms de un recurso a la vez en cada decisin de control.
Otros usos del mdulo de coordinacin que se pueden investigar son ayudar
a alarmar condiciones de alimentacin que no tengan solucin de control por
parte del sistema supervisor, prediciendo para cada condicin de alimentacin
una zona de control donde exista solucin con los recursos a disposicin.
Se recomienda estudiar otras restricciones para inhibir el control supervisor,
distintas a las utilizadas en este estudio, como por ejemplo, cuando el control
convencional tenga problemas para controlar los objetivos secundarios.
Se recomienda mejorar la estimacin de los objetivos mineralgicos en el
simulador utilizando filtros que suavicen el ruido sobre la estimacin del
objetivo o algn otro mtodo.


79

0I0.I(GRAFA
Barrientos, F. J. (2007) Prediccin de Concentraciones de Cobre en Planta
Piloto de Extraccin por Solventes utilizando Redes Neuronales. Tesis para
optar al Grado de Magster en Ciencias de la Ingeniera Qumica Mencin
Automatizacin de Procesos. UTFSM.
Bergh, L. G., Yianatos J. B. & Leiva C. A. (1998) Fuzzy Supervisory Control of
Flotation C||olumns. Minerals Engineering, Vol. 11, N8, p.739-748.
Bergh, L. G. & Yianatos J. B. (2003) Flotation Column Automation: State of
Art. Control Engineering Practice, Vol. 11, p. 67-72.
Box G. & Jenkins G. (1976) Time series analysis: Forecasting and Control.
Holden-Day. San Francisco, USA.
Cao, S. & Rhinehart, R. R. (1995) An Efficient Method for online Identification
of Steady State, Journal Process Control, Vol. 5, N6, p. 363-374.
Cao, S. & Rhinehart, R. R. (1997) Critical values for a Steady State Identifier,
Journal Process Control, Vol. 7, N2, p. 149-152.
Castro, S. (2002) Chile es pionero en la aplicacin y desarrollo de la flotacin
de cobre, Revista Minera Chilena, N254, p. 17-21.
Cipriano A. y Prino J. (1994) Anlisis Comparativo de Controladores Difusos.
Apuntes de Ingeniera N51. Santiago, Chile.
Da Luz, B., Possa, V. & Almeida, S. (1998) Tratamiento de Minrios, VCETEM
Centro de Tec. Mineral, 2Edicin Revisada.
Finch, J. A. & Dobby, G. S. (1990) Column Flotation. Pergamon Press.
Kosko B. (1992) Neural Network and Fuzzy System: A Dinamical System
Aproach to Machine Intelligence. University of Southern California, Prentice
Hall Inc., New Jersey.
Leiva, C. A. (1996) Simulacin del uso de Lgica Difusa como Control
Supervisor en una Columna de Flotacin. Memoria para Optar al Ttulo de
Ingeniero Civil Qumico. UTFSM.
Pavez, O. (2011) Apuntes de la Asignatura: Concentracin de Minerales I.
Universidad de Atacama.

80

Pereira, C. (1992) Diseo, Construccin e Instrumentacin de una Columna
de Flotacin a Escala Piloto. Memoria para optar al Ttulo de Ingeniero Civil
Qumico. UTFSM.
Rhinehart, R. R. (1995) A novel Method for Automated Identification of Steady
State. Proceedings of the American Control Conference, FPS -4:10.
Yianatos, J. B, Bergh L. G & Corts G. A. (1998) Froth Zone Modelling of an
Industrial Flotation Column. Minerals Engineering. Vol. 11, p.423 435.
Yianatos, J. B. (2001) Column Flotation Developments and New Trends.
Plenary Paper presented at the VI Southern Hemisphere meeting on Mineral
Technology. Rio de Janeiro.
Yianatos, J. B. (2008) Apuntes de la Asignatura: Flotacin de Minerales.
UTFSM.
Yianatos, J., Bucarey, R., Larenas, J. (2005) Collection zone kinetic model for
industrial flotation columns. Minerals Engineering. Vol. 18, p.1373-1377.
Zadeh, L. A. (1973) IEEE Transactions on Systems, Man and Cybernetics. Vol.
SMC-3, No. 1.
Zhao, J. B. (2002) Evaluation of membership functions for fuzzy logic
controlled induction motor drive. IECON 02. Vol. 1, p.229-234.
Ziegler J., Nichols N. (1942) Optimum Settings for Automatic Controllers.
ASME Transactions, v64, p.759-768.


81

A=>,ICE A; $imulador Est+tico del Com)ortamiento de la
Columna de Flotacin
A.1 %odelo %etal&rgico 5.eiva? 1@@*6

Las ecuaciones a continuacin estn basadas en el modelo metalrgico
propuesto por Leiva (1996) y permiten obtener una estimacin del resultado
metalrgico de la columna. La recuperacin global para cada especie se
estima al considerar la zona de espuma o limpieza y de coleccin. Se supone
el mineral compuesto por 2 especies: mineral (1) y ganga (2).
Densidad de pulpa de la Alimentacin (p
SL
) [g/cm
3
]
p
SL
=
1
1
soics

soics

(A.1)
Donde:
p
S
: Densidad del slido [g/cm
3
]
p
L
: Densidad del lquido, 1 [g/cm
3
]

Fraccin Volumtrica de Slidos (
S
)

S
=

(A.2)

Velocidad superficial del flujo i ([

) [cm/s]
[

=

i
A
T
(A.3)
Donde:

: Flujo volumtrico de proceso i-simo [cm

3
/s]
A
1
: rea transversal de la columna [m
2
]




82

Bias () [cm
3
/s]
Esta es la expresin del bias en la columna, cuando se encuentra en estado
estacionario.
B =

]
(A.4)
Donde:

]
: Flujo volumtrico de pulpa de alimentacin [cm
3
/s]

: Flujo volumtrico de colas [cm

3
/s]

Flujo Msico de Slidos en la Alimentacin (
s
)

s
=
]
x
S
p
SL
(A.5)
Donde:
x
S
: Fraccin en peso de slidos en la alimentacin [-]

Recuperacin de Zona de Espuma
R
P
= u x uu1

]
(1
w
)

g
3
] (A.6)
Esta ecuacin es una expresin semiemprica obtenida a partir de Yianatos &
Bergh (1998) para calcopirita en una columna de flotacin industrial de El
Teniente, operando a una velocidad superficial de aire de 1,2-1,8 [cm/s] y con
una velocidad superficial de agua de lavado de 0-0.1 [cm/s].
Donde:
[
w
: Velocidad Superficial de Agua de Lavado [cm/s]
[
g
: Velocidad Superficial de Aire [cm/s]
E
]
: Profundidad de espuma [cm]

Recuperacin de ganga en zona de espuma [Leiva, 1996]
R
gungu
= uS x uu1

]
(1
w
)

g
3
] (A.7)

83

Constante cintica de primer orden para las especies [Leiva, 1996]
k
c1
= u18 [
g
75
(A +B J
8
+C J
8
2
) (A.8)
k
c2
= u1 [
g
75
(A +B J
8
+ C J
8
2
) (A.9)
Donde:
A=0.4
B=0.4
C=0.1
J
8
: Dimetro de partculas caracterstica [m]

Tiempo de residencia (z) [s]
=
v
ccumnc
(1-s
g
)

]
(A.10)
Donde:
I
coIumnu
: Capacidad interior total de la columna [cm
3
]
e
g
: Hold-up de aire o fraccin de hueco de la columna

Recuperacin de las especies en la zona de coleccin
La zona de coleccin ha sido comnmente caracterizada asumiendo un
comportamiento cintico de primer orden, y se puede modelar como una serie
de estanques perfectamente agitados de acuerdo a Yianatos, et al. (2005)
Las constantes cinticas descritas anteriormente, que son vlidas para un
modelo de flujo pistn segn Leiva (1996), se supondrn igualmente vlidas
para el comportamiento cintico de la recuperacin segn el modelo de
Yianatos.
R
c1
= u j
1
9
ln [2
5k
c1
:6
k
c1
:12

4
k
c1
:

12
k
c1
:1
[ (A.11)
R
c2
= u j
1
9
ln[2
5k
c2
:6
k
c2
:12

4
k
c2
:

12
k
c2
:1
[ (A.12)


84

Recuperaciones globales de las especies
Se obtiene las recuperaciones globales a partir de la recuperacin en la zona
de espuma y la zona de coleccin en forma separada, utilizando el balance de
recuperacin global de Finch & Dobby (1990).
R
g1
=
R
c1
R
F
R
c1
R
F
(1-R
c1
)
(A.13)
R
g2
=
R
c2
R
gcngc
R
c2
R
gcngc
(1-R
c2
)
(A.14)

Finalmente la ley de cobre en el concentrado viene dado por la siguiente
expresin, obtenida al resolver el balance de materia total y por componentes
en la columna de flotacin:
X
C
=
R
g1

F
R
g1
R
g2
(1-
F
)
(A.15)
Donde:
x
P
: representa la ley de cobre en la alimentacin, medida como fraccin msica
[-]

A.2 An+lisis de $ensibilidad del %odelo %etal&rgico

Se llev a cabo un anlisis de sensibilidad del simulador esttico, explorando
el efecto que tienen la profundidad de espuma, el flujo de aire, el agua de
lavado, el flujo de alimentacin, la ley de cabeza, el dimetro de partculas y el
porcentaje de slidos sobre el resultado metalrgico de la columna de
flotacin. Los resultados se observan grficamente en las Figuras A.1 a A.6.

85


Fiura A.1 An4lisis de sensibilidad para profundidad de espuma sobre el resultado metal;rico (bias: 0.1+
Ecm!sFG alimentacin: 0.+. Ecm!sFG aua de lavado: 0.11 Ecm!sFG aire: 1.+5 Ecm!sFG -old up: 10HG d20: +0 EImFG
H solidos (0HG le& de alimentacin: ..6H Cu


Fiura A.2 An4lisis de sensibilidad para flu3o de aire sobre el resultado metal;rico (bias: 0.1+ Ecm!sFG
alimentacin: 0.+. Ecm!sFG aua de lavado: 0.11 Ecm!sFG profundidad de espuma 100EcmFG -old up: 10HG d20:
+0 EImFG H solidos (0HG le& de alimentacin: ..6H Cu
50 60 70 80 90 100 110 120 130 140 150
0
10
20
30
40
L
e
y

C
o
n
c
e
n
t
r
a
d
o

[
%
]
Profundidad de espuma [cm]
Sensibilidad a cambios de Profundidad de Espuma
50 60 70 80 90 100 110 120 130 140 150
0
20
40
60
80
100
R
e
c
u
p
e
r
a
c
i
o
n

G
l
o
b
a
l

[
%
]
3 4 5 6 7 8 9
0
10
20
30
40
L
e
y

C
o
n
c
e
n
t
r
a
d
o

[
%
]
Flujo de aire [lpm]
Sensibilidad a cambios de Flujo de Aire
3 4 5 6 7 8 9
0
20
40
60
80
100
R
e
c
u
p
e
r
a
c
i
o
n

G
l
o
b
a
l

[
%
]

86


Fiura A.( An4lisis de sensibilidad para flu3o de alimentacin sobre el resultado metal;rico (bias: 0.1+ Ecm!sFG
aire: 1.+5 Ecm!sFG aua de lavado: 0.11 Ecm!sFG profundidad de espuma 100EcmFG -old up: 10HG d20: +0 EImFG H
solidos (0HG le& de alimentacin: ..6H Cu


Fiura A.+ An4lisis de sensibilidad para flu3o de aua de lavado sobre el resultado metal;rico (bias: 0.1+
Ecm!sFG aire: 1.+5 Ecm!sFG alimentacin: 0.+. Ecm!sFG profundidad de espuma 100EcmFG -old up: 10HG d20: +0
EImFG H solidos (0HG le& de alimentacin: ..6H Cu
0.5 1 1.5 2 2.5
0
10
20
30
40
L
e
y

C
o
n
c
e
n
t
r
a
d
o

[
%
]
Flujo de alimentacin [lpm]
Sensibilidad a cambios de Flujo de Alimentacin
0.5 1 1.5 2 2.5
0
20
40
60
80
100
R
e
c
u
p
e
r
a
c
i
o
n

G
l
o
b
a
l

[
%
]
0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2
0
10
20
30
40
L
e
y

C
o
n
c
e
n
t
r
a
d
o

[
%
]
Flujo de agua de lavado [lpm]
Sensibilidad a cambios de Flujo de Agua de Lavado
0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2
0
20
40
60
80
100
R
e
c
u
p
e
r
a
c
i
o
n

G
l
o
b
a
l

[
%
]

87


Fiura A.. An4lisis de sensibilidad para le& de alimentacin sobre el resultado metal;rico (bias: 0.1+ Ecm!sFG
aire: 1.+5 Ecm!sFG alimentacin: 0.+. Ecm!sFG aua de lavado 0.11 Ecm!sF profundidad de espuma 100EcmFG -old
up: 10HG d20: +0 EImFG H solidos (0H


Fiura A.6 An4lisis de sensibilidad para di4metro de part#culas (d20) sobre el resultado metal;rico (bias: 0.1+
Ecm!sFG aire: 1.+5 Ecm!sFG alimentacin: 0.+. Ecm!sFG aua de lavado 0.11 Ecm!sF profundidad de espuma
100EcmFG -old up: 10HG H slidos: (0HG le& alimentacin: ..6H Cu
10 15 20 25 30 35 40 45 50
0
10
20
30
40
L
e
y

C
o
n
c
e
n
t
r
a
d
o

[
%
]
Porcentaje de mineral valioso en alimentacin [%]
Sensibilidad a cambios de Ley de Alimentacin
10 15 20 25 30 35 40 45 50
0
20
40
60
80
100
R
e
c
u
p
e
r
a
c
i
o
n

G
l
o
b
a
l

[
%
]
20 40 60 80 100 120 140 160 180 200
0
10
20
30
40
L
e
y

C
o
n
c
e
n
t
r
a
d
o

[
%
]
d80 [m]
Sensibilidad a cambios de Dimetro de Partculas (d80)
20 40 60 80 100 120 140 160 180 200
0
20
40
60
80
100
R
e
c
u
p
e
r
a
c
i
o
n

G
l
o
b
a
l

[
%
]

88



Fiura A.1 An4lisis de sensibilidad para porcenta3e de slidos sobre el resultado metal;rico (bias: 0.1+ Ecm!sFG
aire: 1.+5 Ecm!sFG alimentacin: 0.+. Ecm!sFG aua de lavado 0.11 Ecm!sF profundidad de espuma 100EcmFG -old
up: 10HG d20: +0 EImFG le& alimentacin: ..6H Cu

Se observa de las figuras anteriores que las variables que tienen mayor
sensibilidad en trminos de los resultados mineralgicos son el flujo de aire, la
profundidad de espuma, la ley de alimentacin y los flujos de alimentacin y
agua de lavado. El dimetro de partculas y el porcentaje de slidos, dentro del
rango en el cual son utilizados, no producen cambios apreciables en los
resultados mineralgicos.

0 5 10 15 20 25 30 35 40 45 50
0
10
20
30
40
L
e
y

C
o
n
c
e
n
t
r
a
d
o

[
%
]
Porcentaje de slidos [%]
Sensibilidad a cambios de Porcentaje de Slidos
0 5 10 15 20 25 30 35 40 45 50
0
20
40
60
80
100
R
e
c
u
p
e
r
a
c
i
o
n

G
l
o
b
a
l

[
%
]

89

A=>,ICE 0; %Atodo de Identi/icacin de Estado Estacionario

La identificacin de la condicin de Estado Estacionario de un proceso es una
tarea importante a la hora de realizar un control estadstico satisfactorio del
mismo. Los modelos en estado estacionario son ampliamente usados en las
funciones de control de un modelo de identificacin, optimizacin, deteccin
de fallas, anlisis de sensores y reconciliacin de datos (Cao & Rhineheart,
1995).
Un mtodo eficiente cuando se aplica a algunos procesos es el propuesto por
Rhinehart (1995). El mtodo usa el estadgrafo R

, una razn entre dos

estimaciones diferentes de la varianza provenientes de una serie de tiempo.
De esta forma la primera estimacin de la varianza se basa en el valor de la
variable filtrada que interesa detectar, lo cual queda expresado en la siguiente
relacin:
X
]
= z
1
X

+ (1 z
1
) X
]-1
(B.1)
Donde:
X
]
: Valor de la variable X

filtrada para un instante dado, i = 1,2, ., N

X
]-1
: Valor de la variable X

filtrada 1 periodo de tiempo atrs, con = |s]

z
1
: Factor de filtro de la serie de tiempo {X
]
}, u z
1
1

Si los valores previos filtrados son usados para reemplazar la media muestral
X

N
, una media de la varianza de estos valores se puede definir como:
v
]
2
= z
2
(X

X
]-1
)
2
+(1 z
2
) v
]-1
2
(B.2)
Donde:
v
]
2
: Media muestral estimada de la variable X

v
]-1
2
: Media muestral estimada de la variable X

en 1 periodo de muestreo
atrs.
z
2
: Factor de Filtro de la serie de tiempo {v
]
2
}, u z
2
1


90

Finalmente la estimacin de la varianza vendr dada por:
S
1
2
=
2-x
1
2
v
]
2
(B.3)
La segunda estimacin de la varianza se basa en las desviaciones de las
diferencias al cuadrado de los valores sucesivos de las variables de inters,
definidos de acuerdo a la siguiente ecuacin:
o
]
2
= z

(X

X
-1
)
2
+(1 z

) o
]-1
2
(B.4)
Donde:
o
]
2
: Media de las desviaciones al cuadrado de valores sucesivos de la variable
de inters.
o
]-1
2
: Valor previo de la media de las desviaciones al cuadrado de valores
sucesivos de la variable de inters.
z

: Factor de filtro para la serie de tiempo {o

]
2
}

De esta forma la varianza estimada a partir de este valor viene dada por la
siguiente expresin:
S
2
2
=
6
]
2
2
(B.5)
Por lo tanto, el estadstico R

, vendr dado por la siguiente ecuacin:

R

=
S
1i
2
S
2i
2
=
(2-x
1
)v
]
2
6
]
2
(B.6)
Para efectos de implementar este mtodo en la columna de flotacin, se parte
calculando el valor de X
]
a partir de (B.1), luego v
]
2
mediante (B.2), as como
tambin o
]
2
dado por (B.4) y por ltimo R

dado por (B.6). Luego se debe

comparar este valor con el valor de R
CRI1IC0-
para cada variable, entonces si
se mantiene debajo del valor crtico se dice que la variable i-sima se
encuentra en estado estacionario, mientras que en el caso contrario no lo est.
Los valores de R
CRI1IC0-
para cada una de las variables usadas han sido
obtenidas de las tablas de valores crticos para R

que obtuvieron Cao y

Rhinehart (1997) basados en la distribucin de probabilidades de R

. De esta
forma los valores de z
1
, z
2
, z

y R
CRI1IC0-
para cada una de las variables
usadas con el fin de monitorear la operacin de la columna de flotacin, son
los que se listan en la Tabla B.1.

91

Tabla :.1 ,alores de los factores de filtro & R
CRITICO-|
para las variables de dianstico de la operacin de la
columna de flotacin

En general, se puede inferir que los valores de z ms cercanos a la unidad
ponderarn a favor del valor actual de las variables o medias segn sea el
caso, mientras que valores cercano a cero lo harn favoreciendo los valores
anteriores o pasados de estas mismas cantidades.


92

A=>,ICE C; $inton8a de Controladores I,
Se utilizaron como mtodo de ajuste emprico de los controladores PID para
la Profundidad de Espuma y del Flujo de Aire los mtodos propuestos por
Ziegler y Nichols (1942).
C.1 %Atodo de (scilacin de Biegler >icCols

El procedimiento es el siguiente:
1. Se aplica a la planta slo control proporcional con ganancia (Kp) muy
pequea, donde el sistema funciona en lazo cerrado, como se muestra
en la Figura C.1 donde se ve un diagrama de bloques simplificado
donde se calcula un error entre la variable medida y el set point (c), el
controlador acta sobre el recurso u(), provocando un cambio en la
variable de proceso y().

Fiura C.1. %iarama de blo'ues de sistema funcionando en la0o cerrado

2. Se aumenta paulatinamente el valor de Kp hasta que el valor de salida
y() comience a oscilar en forma continua y estable.
3. Se registra la ganancia crtica Kp=Kc y el periodo de oscilacin Pc del
valor de salida.
4. Se ajustan los parmetros del controlador PID de acuerdo a la Tabla
C.1



93

Tabla C.1 )ar4metros de Controladores )"% se;n el m<todo de oscilacin de =ieler9>ic-ols


C.2 %Atodo de la Curva de Reaccin de BieglerD>icCols

Se realiza un ensayo para obtener la curva de reaccin, por lo que se puede
crear un modelo simple linealizado mediante un experimento a lazo abierto con
el siguiente procedimiento:
1. Controlar la planta en lazo abierto y llevarla manualmente a un punto
de operacin normal manipulando u(), como se observa en la Figura
C.2. Se supone que la planta se estabiliza en y() = y

para u() = u

.

Fiura C.2 %iarama de blo'ues & respuesta de un sistema en la0o abierto
2. En un instante inicial

aplicar un cambio escaln a la variable de

entrada u(), de u

a u

(el salto debe estar entre un 10% a 20% de la

escala completa).
3. Registrar la respuesta de la salida hasta que se estabilice en el nuevo
punto de operacin.
4. Trazar la recta Tangente de Mxima Pendiente a la curva de reaccin.
5. Calcular los parmetros del modelo linealizado segn el anlisis grfico
de la Figura C.3 y las ecuaciones C.1, C.2 y C.3.
k =

-u

(C.1)

d
=
1

(C.2)
=
2

1
(C.3)

94



Fiura C.( B An4lisis del r4fico de curva de reaccin

Los parmetros del controlador PID propuestos por Ziegler y Nichols a partir
de la curva de reaccin se determinan con las relaciones presentadas en la
Tabla C.2.
Tabla C.2 )ar4metros de controladores )"% se;n el m<todo de la curva de reaccin de =ieler 9 >ic-ols




95

A=>,ICE ,; Algoritmo de Generacin de "ariables Estoc+sticas
Para crear las perturbaciones sobre los flujos de entrada y las variables
mineralgicas, que simulan el funcionamiento real de una planta se
implement un algoritmo de generacin de variables estocsticas basado en
un modelo del tipo ARIMA (Auto Regressive Integrated Moving Average)
propuesto por Box & Jenkins (1976).
La seal estocstica, como est representada en la Ecuacin D.1, representa
todas las perturbaciones inducidas al proceso (N

) y corresponde a la razn de
los polinomios 0 y , incluyendo el trmino v
d
, que representa el grado de no
estacionalidad del proceso, que opera sobre una serie aleatoria o

, de media
cero y varianza constante.
N

=
0
q
(z
1
)
q
p
(z
1
)v

(D.1)
De la expresin anterior se puede obtener la serie temporal en notacin
algebraica:
N

= |
1
N
-1
++
p
N
-p
| |0
1
o
-1
++0
q
o
-q
| +o

(D.2)
Se puede utilizar un caso simple de la Ecuacin (D.2), en que p=1 y q=0,
obtenindose:
N

=
1
N
-1
+ o

(D.3)
La variable representa el peso que tiene en la variable autocorrelacionada
los valores histricos y la serie aleatoria o

puede ser generada mediante un

algoritmo que consiste, basado en el trabajo de Barrientos (2007) en las
siguientes ecuaciones:
z

= rcsiJuo(2 z

; 2
15
) (D.4)
uni

=
z
i
2
1S
(D.5)
z

= rcsiJuo(2 z

; 2
15
)
uni
]
=
z
i
2
1S
(D.6)
norm

= cos (S6u uni

2 log(uni
]
) (D.7)
Con la Ecuacin (D.3) se obtiene una seal de distribucin uniforme y con la
Ecuacin (D.5) se obtiene un ruido aleatorio de distribucin normal, con media
constante y varianza unitaria.

96

El ruido o

de la ecuacin (D.3) finalmente se expresa como:

o

=
nom
i
-5
A
(D.8)
Donde el parmetro A es el indicador de la variabilidad para cada variable
perturbacin.
El parmetro A y el rango de cada variable perturbacin se muestran en la
Tabla D.1:
Tabla %.1 7anos en las variables perturbacin & par4metro A
Variable Unidades

Min Mx
A
Flujo Alimentacin Lpm

1.5 3 20
Porcentaje Mineral en
Alimentacin
% 10 20 20
d80 m

50 200 0.2
Porcentaje de Slidos %

20 40 7

Se muestra en la Figura D.1 un ejemplo de las perturbaciones sobre las
variables mencionadas previamente.

Fiura %.1 63emplo de perturbaciones sobre las variables


97

A=>,ICE E; Algoritmo ,esarrollado en $o/t9are %atlab
Se muestra a continuacin el cdigo implementado mediante el software
Matlab, el cual contiene las siguientes aplicaciones:
Simulador metalrgico
Control supervisor difuso
Mdulo de coordinacin
Generador de nmeros aleatorios
Detector de estado estacionario
Se presentan las sentencias ms importantes para realizar la comunicacin
entre el algoritmo en Matlab y el software Intouch:
channel = ddeinit('view' , 'tagname');

El comando channel es utilizado para iniciar la comunicacin entre los
softwares Matlab e Intouch, usando el protocolo de intercambio dinmico de
datos DDE. El argumento view representa al servicio utilizado y tagname
corresponde al tipo de variable creada en Intouch.
H_f = ddereq(channel, 'Prof_Espuma');

El comando ddereq, recibe datos de las variables creadas en Intouch. La
variable llamada desde Intouch corresponde a Prof_Espuma, esta es
almacenada en la variable H_f de Matlab.
temp = ddepoke(channel,'rho_pulpa',densidad_pulpa);

El comando ddepoke enva datos desde las variables creadas en Matlab. El
dato enviado corresponde a densidad_pulpa y este es almacenado en la
variable de Intouch rho_pulpa.
A continuacin se presenta la rutina implementada en Matlab.

clear all
close all
clc

%Se definen valores iniciales de contadores para los distintos mdulos de
%la aplicacin
EEsuma=0;
contador=0;
editor=0;
z=2^15*rand(15!;
ruido=zeros(15!;

98

"t=ruido;
"tma#=ruido;
"tmin=ruido;
$=0;

%%nicio comunicacion
c&annel = ddeinit('vie(' 'ta)name'!;

%*alores necesarios de definir antes del ciclo de la aplicacin para el
%Estado Estacionario
#fant+n=,ddere-(c&annel 'nivel'! ddere-(c&annel '.lu/o0ire'!1;
#ant+n=#fant+n;
*ar#fant+n=1;
r&o#fant+n=1;
i+n=,0 01;



%2iclo infinito de funcionamiento de la aplicacin
(&ile (1!

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%S%345067$ 3E8059$:%27
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% 6iametro de la 2olumna ,cm1
diametro+columna = ddere-(c&annel 'diametro+columna'!;

% 0rea de la columna ,cm21
0rea+columna= (pi * diametro+columna^2!;<;
temp = ddepo=e(c&annel'area+columna'0rea+columna!;

% 6ensidad del slido ,);cm>1
densidad+sol = (ddere-(c&annel 'r&o+especie'!?ddere-(c&annel 'r&o+)an)a'!!;2;

% 6ensidad del l@-uido ,);cm>1
densidad+li-uido = ddere-(c&annel 'r&o+li-uido'!;

% Aorcenta/e de slidos
porc+solido = ddere-(c&annel 'porc+solido'!;

% 6iBmetro de particula ,cm1
diametro+particula = ddere-(c&annel 'diam+particula'!;(10000!;

% 5eC de 0limentacin
porcenta/e+valioso = ddere-(c&annel'porc+especie'!;
leC+alim =porcenta/e+valioso*0D><E;
temp = ddepo=e(c&annel'leC+alim'leC+alim!;

% .lu/o alimentacin ,cm>;s1
F+f = (ddere-(c&annel 'G0lim1'!?ddere-(c&annel 'G0lim2'!!*1000;E0;
temp = ddepo=e(c&annel'Ff'F+f!;

% *elocidad Superficial alimentacin ,cm;s1
Hf = F+f ; 0rea+columna;

99

temp = ddepo=e(c&annel'Hf'Hf!;

% .lu/o de aire ,cm;s1
.lu/o+aire = ddere-(c&annel '.lu/o0ire'!*(1000;E0!;

% *elocidad superficial aire ,cm;s1
H) = (.lu/o+aire!;0rea+columna;
temp = ddepo=e(c&annel'H)'H)!;

% Iold up de aire
Iold+up = ddere-(c&annel '&oldup'!;100;

% .lu/o de a)ua de lavado ,cm>;s1
F+J = ddere-(c&annel 'G5avado'!*1000;E0;

% *elocidad superficial a)ua de lavado ,cm;s1
H( = F+J;0rea+columna;
temp = ddepo=e(c&annel'H('H(!;

% "ivel de espuma ,cm1
I+f = ddere-(c&annel 'Arof+Espuma'!;

% 0ltura zona de coleccin ,cm1
I+c =2<0KI+f;

%.lu/o de colas ,cm>;s1
F+colas = ddere-(c&annel '.lu/o2olas'!*1000;E0;

% Gias
Gias = F+colas K F+f;
temp = ddepo=e(c&annel'Gias'Gias!;

% *elocidad superficial Lias
HL = Gias ; 0rea+columna;
temp = ddepo=e(c&annel'HL'HL!;

% 6ensidad de la pulpa ,);cm>1
densidad+pulpa = 100;(porc+solido;densidad+sol ? (100Kporc+solido!;densidad+li-uido!;
temp = ddepo=e(c&annel'r&o+pulpa'densidad+pulpa!;

% .raccin volumetrica del slido en la pulpa
.raccion+solido = (densidad+pulpa K densidad+li-uido!;(densidad+sol K
densidad+li-uido!;

% .lu/o mBsico de slidos alimentacin ,);s1
3+.S = (F+f * porc+solido * densidad+sol!;100;
temp = ddepo=e(c&annel'3fs'3+.S!;

% .lu/o volumMtrico de slidos en la alimentacin ,cm>;s1
F+.S = 3+.S;densidad+sol;
temp = ddepo=e(c&annel'Hsl'F+.S ; 0rea+columna!;

% 2Blculo flu/o de 5@-uido en la alimentacin ,cm>;s1
F+.J = F+f K F+.S;
temp = ddepo=e(c&annel'Ff('F+.J!;

100


% $ecuperacin zona de Espuma de calcopirita C )an)a
$+f1= e#p((K0D01<<*I+f*(1?>*H(!!;H)^>!;
temp = ddepo=e(c&annel'$f'$+f1*100!;
$ec)an)a = 0D>*e#p((K0D01<<*I+f*(1?>*H(!!;H)^>!;

% 2onstante cinetica de zona de coleccin para las especies de (1! mineral
% C (2! )an)a
Nc1 = 0D1O* (H)^0DP5! * (0D< K 0D<* diametro+particula K 0D1*
(diametro+particula^2!!;
temp = ddepo=e(c&annel'Nc'Nc1!;
Nc2 = 0D1* (H)^0DP5! * (0D< K 0D<* diametro+particula K 0D1* (diametro+particula^2!!;

%8iempo de residencia en la zona de coleccin de la columna
tau = (I+c!*0rea+columna*(1KIold+up!;(F+f!;
temp = ddepo=e(c&annel'8aul'tau;E0!;

%$ecuperacin zona de 2oleccin para mineral C )an)a
$+c1 =0DQ5*(1 K <;(>*Nc1*tau!*(12;(Nc1*tau ? 1! K 1 ? 10;Q*lo)((2*(5*Nc1*tau ?
E!!;(Nc1*tau ? 12!!!!;
temp = ddepo=e(c&annel'$c'$+c1*100!;
$+c2 =0D5*(1 K <;(>*Nc2*tau!*(12;(Nc2*tau ? 1! K 1 ? 10;Q*lo)((2*(5*Nc2*tau ?
E!!;(Nc2*tau ? 12!!!!;

%$ecuperacin )loLal para las especies
$)1 = 0DQ*($+c1 * $+f1! ; ($+c1 * $+f1 ? (1 K $+c1!!;
$)2 = 0DP*(($+c2 * $ec)an)a! ; ($+c2 * $ec)an)a ? (1 K $+c2!!!;


%7Ltencin de leC de concentrado C leC de colas
.con+)an)a=3+.S*(100Kporcenta/e+valioso!;100*$)2;
.valioso=($)1*3+.S*porcenta/e+valioso;100!;
.conc=.valioso?.con+)an)a;
5eC+concentrado=(.valioso*0D><E!;(.conc!*100;
5eC+colas=.valioso*(1;$)1K1!;(3+.SK.conc!*100;
temp = ddepo=e(c&annel'Rt'5eC+colas!;

%Envio de recuperacion C concentrado
recuperacion = ddepo=e(c&annel'$fc'$)1*100!;
concentrado = ddepo=e(c&annel'Rc'5eC+concentrado!;


%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%27"8$75 S4AE$*%S7$ 6%.4S7
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%0ctivacin del 2ontrol
26ifuso=ddere-(c&annel'difuso'!;
e#perto=readfis('e#perto'!;
editor=ddere-(c&annel'editor'!;

if 26ifusoS0

%S(itc& de edicin de parBmetros control difuso
if editor==1;

101

fuzzC(e#perto!;
editor=0;
edit=ddepo=e(c&annel'editor'editor!;
end

%8iempo de muestreo ,se)1
tmuestreo=ddere-(c&annel'tmuestreo'!*E0;

%0ctivacin de control mediante estado estacionario
EEst=ddere-(c&annel'ee+sistema'!;
contador=contador?1;
if EEstS0

% 6efinicin de variaLles para control e#perto difuso
SAEspuma=ddere-(c&annel'Spau#'!;
SA.lu/o=ddere-(c&annel'sp+pid2'!;
SAleC=ddere-(c&annel'SA+leC'!;
$min=ddere-(c&annel'rmin'!;

%Gase de conocimiento
E5eC=5eC+concentradoKSAleC;
E$ec=$)1*100K$min;

%7Ltencin de valores por sistema e#perto
if contadorStmuestreo
resultado=evalfis(,E5eC E$ec1e#perto!

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%376457 6E 277$6%"02%7" S%S8E30 6%.4S7
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%0ctivacin control difuso
if porcenta/e+valiosoT10
decision=0;
'0larmaU leC de alimentacion muC La/a'
else decision=1;
end

if porcenta/e+valiosoS50 VV F+fT< VV F+JT< VV F+fSE0 VV F+JS1E0 VV
porc+solidoT5 VV porc+solidoS10 VV diametro+particulaT10 VV diametro+particulaS>00
decision=0;
'0larmaU alimentacion fuera de ran)o para supervisor difuso'
else decision=1;
end



if decision == 1

%%ndicadores disponiLilidad recursos
d&=(SAEspumaK100!;50;
df=(SA.lu/oKE!;>;

if aLs(d&!SaLs(df!
if d&Sdf %(1!

102

if resultado(1!S0 %espuma si)ue creciendoDDD ocupar flu/o aire
if SA.lu/oT> %La/ar flu/o &asta -uede misma distancia -ue 6&
if SAEspumaS150
'alarma espuma alta C flu/o La/o'
else temp=ddepo=e(c&annel'Spau#'SAEspuma?resultado(1!!;
end
else temp=ddepo=e(c&annel'sp+pid2'SA.lu/o?resultado(2!!;
end

else
if SAEspumaT50 %ocupar flu/o
if SA.lu/oSQ
'alarma espuma La/a C flu/o alto'
else
temp=ddepo=e(c&annel'sp+pid2'SA.lu/o?resultado(2!!;
end
else temp=ddepo=e(c&annel'Spau#'SAEspuma?resultado(1!!;
end
end


else if resultado(1!S0 %suLir espuma en lo posiLle
if SAEspumaS150 %usar flu/o
if SA.lu/oT>
'alarma espuma alta C flu/o La/o'
else
temp=ddepo=e(c&annel'sp+pid2'SA.lu/o?resultado(2!!;
end
else temp=ddepo=e(c&annel'Spau#'SAEspuma?resultado(1!!;
end

else if SA.lu/oSQ
if SAEspumaT50
'alarma espuma La/a C flu/o alto'
else temp=ddepo=e(c&annel'Spau#'SAEspuma?resultado(1!!;
end
else temp=ddepo=e(c&annel'sp+pid2'SA.lu/o?resultado(2!!;
end
end
end


else if d&Tdf
if resultado(2!S0
if SAEspumaT50
if SA.lu/oSQ
'alarma espuma La/a C flu/o alto'
else
temp=ddepo=e(c&annel'sp+pid2'SA.lu/o?resultado(2!!;
end
else temp=ddepo=e(c&annel'Spau#'SAEspuma?resultado(1!!;
end

else
if SA.lu/oT>

103

if SAEspumaS150
'alarma espuma alta C flu/o La/o'
else temp=ddepo=e(c&annel'Spau#'SAEspuma?resultado(1!!;
end
else temp=ddepo=e(c&annel'sp+pid2'SA.lu/o?resultado(2!!;
end
end

else if resultado(2!S0
if SA.lu/oSQ
if SAEspumaT50
'alarma espuma La/a C flu/o alto'
else temp=ddepo=e(c&annel'Spau#'SAEspuma?resultado(1!!;
end
else temp=ddepo=e(c&annel'sp+pid2'SA.lu/o?resultado(2!!;
end

else if SAEspumaS150
if SA.lu/oT>
'alarma espuma alta C flu/o La/o'
else
temp=ddepo=e(c&annel'sp+pid2'SA.lu/o?resultado(2!!;
end
else temp=ddepo=e(c&annel'Spau#'SAEspuma?resultado(1!!;
end
end
end
end
end
contador=0;
end
end
end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%:E"E$067$ "43E$7S 05E087$%7S A0$0 AE$84$G02%7"ES
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%:eneracin de nWmeros aleatorios
for $=1U5
z($!=mod(25Q*z($!2^15!;
unif($!=z($!;2^15;
normi($!=cos(2*pi*unif($!!*s-rt(K2*lo)(unif($!!!;
end

%6efinicin de variaLles perturLacin entrada
"t(1!=ddere-(c&annel'G0lim1'!?ddere-(c&annel'G0lim2'!;
"t(2!=ddere-(c&annel'G5avado'!;
"t(>!=ddere-(c&annel'porc+especie'!;
"t(<!=ddere-(c&annel'diam+particula'!;
"t(5!=ddere-(c&annel'porc+solido'!;

%6efinicin de parBmetros para las variaLles perturLacin
0=,20 <0 20 0D2 P1;
fi=,1 1 1 1 11;

104

"tma#=,> 1D25 20 200 <01;
"tmin=,1D5 0D5 10 50 201;

%0ctivacin de variaLles perturLacin
rn=ddere-(c&annel'rn'!;

%Arocedimiento de creacin de variaLles estocBsticas
for $ = 1U5
if rnS0
ruido($!=(normi($!K0D05!;0($!;

if "t($!S"tma#($!
ruido($!=KaLs(ruido($!!;
else if "t($!T"tmin($!
ruido($!=aLs(ruido($!!;
end
end

"t($!=fi($!*"t($!?ruido($!;
end
end

%*ariaLles perturLacin enviadas a %ntouc&
if rnS0
temp=ddepo=e(c&annel'G0lim1'0DE*"t(1!!;
temp=ddepo=e(c&annel'G0lim2'0D<*"t(1!!;
temp=ddepo=e(c&annel'G5avado'"t(2!!;
temp=ddepo=e(c&annel'porc+especie'"t(>!!;
temp=ddepo=e(c&annel'diam+particula'"t(<!!;
temp=ddepo=e(c&annel'porc+solido'"t(5!!;
end


%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%6E8E287$ 6E ES8067 ES802%7"0$%7
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

$uidoE=0D01*(K1?2D*rand(12!!;
lamLda1+n=,0D1 0D11;
lamLda2+n=,0D> 0D>1;
lamLda>+n=,0D1 0D11;
$uidoE=0D01*(K1?2D*rand(12!!;

%Entrada *ariaLle
#i+n=,ddere-(c&annel 'nivel'! ddere-(c&annel '.lu/o0ire'!1?$uidoE;

%2alculo *alor .iltrado
#f+n=lamLda1+nD*#i+n?(1KlamLda1+n!D*#fant+n;

%2alculo *arianza 1
*ar#fi+n=lamLda2+nD*(#i+nK#fant+n!D^2?(1KlamLda2+n!D**ar#fant+n;

%2alculo *arianza 2
r&o#fi+n=lamLda>+nD*(#i+nK#ant+n!D^2?(1KlamLda>+n!D*r&o#fant+n;


105

%2alculo razn de *arianzas
r1+n=(2KlamLda1+n!D**ar#fi+nD;r&o#fi+n;

%Se )uardan los valores para el si)uiente cBlculo
#fant+n=#f+n;
*ar#fant+n=*ar#fi+n;
r&o#fant+n=r&o#fi+n;
#ant+n=#i+n;

%2ondicin para estado estacionario "%*E5
if(r1+n(1!T25!
%Estacionario
i+n(1!=1;
else
%"o estacionario
i+n(1!=0;
end

%2ondicin para estado estacionario 0%$E
if(r1+n(2!T10!
%Estacionario
i+n(2!=1;
else
%"o estacionario
i+n(2!=0;
end

%Envio de razones de varianzas
temp=ddepo=e(c&annel'razon+nivel'r1+n(1!!;
temp=ddepo=e(c&annel'razon+flu/o'r1+n(2!!;

%2ondicin de estado estacionario )loLal
if i+n==,1 11
EEsuma=1;
else EEsuma=0;
end
temp=ddepo=e(c&annel'ee+sistema'EEsuma!;


%Se espera un se)undo C se vuelve a iterar todo el proceso
pause(1!
end

Y se muestra tambin el script del sistema supervisor difuso guardado como
experto.fis y es cargado a la rutina de Matlab en la variable experto:
[System]
Name='experto'
Type='mamdani'
Version=2.0
NumInputs=2
NumOutputs=2

106

NumRules=9
AndMethod='min'
OrMethod='max'
ImpMethod='min'
AggMethod='max'
DefuzzMethod='centroid'

[Input1]
Name='ErrorLey'
Range=[-100 100]
NumMFs=3
MF1='LN':'trapmf',[-100 -100 -0.5 0]
MF2='Z':'trimf',[-0.5 0 0.5]
MF3='LP':'trapmf',[0 0.5 100 100]

[Input2]
Name='ErrorRec'
Range=[-100 100]
NumMFs=3
MF1='LN':'trapmf',[-100 -100 -5 0]
MF2='Z':'trimf',[-5 0 10]
MF3='LP':'trapmf',[0 10 100 100]

[Output1]
Name='Espuma'
Range=[-10 10]
NumMFs=3
MF1='LN':'trapmf',[-10 -10 -10 0]
MF2='Z':'trimf',[-10 0 10]
MF3='LP':'trapmf',[0 10 10 10]

[Output2]
Name='Faire'
Range=[-0.5 0.5]
NumMFs=3
MF1='LN':'trapmf',[-0.5 -0.5 -0.5 0]
MF2='Z':'trimf',[-0.5 0 0.5]
MF3='LP':'trapmf',[0 0.5 0.5 0.5]

[Rules]
1 1, 2 2 (1) : 1
1 2, 3 1 (1) : 1
1 3, 3 1 (1) : 1
2 1, 2 2 (1) : 1
2 2, 2 2 (1) : 1
2 3, 2 2 (1) : 1
3 1, 1 3 (1) : 1
3 2, 1 3 (1) : 1
3 3, 1 3 (1) : 1



107