Académique Documents
Professionnel Documents
Culture Documents
Resumen
1. Introduccin
La industria minera debe afrontar la necesidad de procesar minerales con leyes cada vez ms
bajas frente a la demanda creciente de cobre a nivel mundial, en este escenario la lixiviacin en
pilas se perfila como una tecnologa de importancia creciente, debido a su capacidad para el
tratamiento de minerales complejos y de baja ley; de esta manera materiales que hasta hace
algn tiempo se consideraban desmonte pueden ser tratados de forma econmica (Davenport,
et al., 2011). Actualmente, la lixiviacin en pilas es el proceso hidrometalrgico ms importante
en la extraccin de cobre, alrededor del 20% de la produccin de cobre mundial se obtiene por
este mtodo (Ghorbani, et al, 2011). Aunque el concepto de lixiviacin en pilas parece ser muy
simple, los sub-procesos que tienen lugar en el interior de la pila son complejos y sus
interacciones an no se comprenden completamente. Dicha falta de comprensin, surge porque
muchas de las investigaciones se han enfocado en sub-procesos especficos de forma aislada,
* Autor correspondiente
E-mail: pecamher@yahoo.com (P. Camero H., Docente principal del Dpto. Acadmico de Ing. Metalrgica)
E-mail: hydromet_peru@yahoo.com (I. Guevara B., estudiante de Ingeniera Qumica)
Aunque los modelos desarrollados han llegado a describir con xito el proceso de lixiviacin en
pilas, su uso generalizado en la industria minera presenta dificultades importantes. Una amplia
proporcin de los modelos no han sido calibrados frente a datos de laboratorio, lo cual hace que
los modelos sean menos confiables como herramientas predictivas, por otra parte, aquellos
modelos que fueron calibrados llevaron a cabo ajustes por medio de prueba y error, lo que
constituye una procedimiento ineficiente. Pocos estudios han abordado el tema de la
optimizacin del proceso de lixiviacin en pilas. Publicaciones tales como (Padilla, Cisternas, &
Cueto, 2008) y (Trujillo et al., 2014), plantean metodologas para optimizar el proceso de
lixiviacin en pilas, sin embargo hacen uso de modelos y condiciones de proceso bastante
simplificadas. Finalmente, es necesario aclarar que hasta el momento no se han llevado a cabo
estudios acerca de la aplicacin de las tcnicas de diseo robusto en la lixiviacin en pilas.
2
Adaptar con relativa facilidad el modelo a diferentes muestras minerales en corto tiempo y
2. Metodologa
A travs de algoritmos de ajuste de parametros se puso a prueba la capacidad predictiva del
modelo desarrollado, posteriormente se determinaron los impactos de las principales variables
3
Figura 1. Diagrama esquemtico de una pila de lixiviacin, y las diferentes escalas del modelo. [Fuente: (Guevara Broggi,
2014)] I) Escala de pila, donde se lleva a cabo el movimiento macroscpico de soluciones que transportan las especies disueltas
hacia y desde el lecho mineral. II) Escala de aglomerado, el conjunto de partculas de diferente tamao que constituyen los
aglomerados interaccionan con la solucin estacionaria. III) Escala de partcula mineral, donde se lleva a cabo el transporte
difusivo de especies disueltas, y IV) Escala de grano mineral, escala microscpica donde se disuelven los granos minerales
2.2.
Datos experimentales
Para la calibracin del modelo y el posterior anlisis de los resultados, se utilizaron los datos
experimentales obtenidos de estudios de lixiviacin realizados en columnas, con muestras ROM
(run of mine) de la divisin Collahuasi perteneciente a la compaa minera Anglo American
Chile, publicados por Martnez Barrios (2012). Dichas pruebas se realizaron por un periodo de
350 das bajo condiciones tpicas de operacin (ver Tabla 1). Los datos experimentales
4
1.55
Unidad
[ton/m3]
Referencias
(Martnez Barrios, 2012)
4.9
6
40
23
[L/m2h]
[m]
[mm]
[C]
0.9
3.4
0.1
9.8
106
[g/L]
[g/L]
[g/L]
[g/L]
[cel/L]
0.2
0.07
[%]
[%]
10-8
10-8
10-8
10-8
0.1
[m2/s]
[m2/s]
[m2/s]
[m2/s]
[1/min]
(Ogbonna N. , 2006)
(Ogbonna N. , 2006)
(Ogbonna N. , 2006)
(Ogbonna N. , 2006)
(Ogbonna N. , 2006)
K Fe
K O2
KI
0.0001
K acid
0.01
k e /k g
0.01
Namax
1.5x109
Ka
Tmin
67x10-12
Tmax
45
Topt
38
yFe
2x1013
[mol/L]
[mol/L]
[cel/L]
[mol/L]
--[cel/g]
[L/cel]
[C]
[C]
[C]
[cel/mol Fe]
(Ogbonna N. , 2006)
(Ogbonna N. , 2006)
(Ogbonna N. , 2006)
(Ogbonna N. , 2006)
(Ogbonna N. , 2006)
(Ogbonna N. , 2006)
(Ogbonna N. , 2006)
(Ogbonna N. , 2006)
(Ogbonna N. , 2006)
(Ogbonna N. , 2006)
(Ogbonna N. , 2006)
Parmetros de transporte*
DFe+3
Difusividad Fe+3
DFe+2
Difusividad Fe+2
DCu+2
Difusividad Cu+2
D H+
Difusividad H+
k nbfi
Coef. de transferencia de masa
Parmetros biolgicos*
Constante de Monod para Fe+2
Constante de Monod para O2
Factor de inhibicin de crecimiento
Lmite de cido
Tasa de decaimiento
Adsorcin mxima
Constante de adsorcin
Temperatura mnima viable
Temperatura mxima viable
Temperatura ptima
Rendimiento bacteriano
2.3.
5x10-5
1012
10
Estimacin de parmetros
( 1)
Para la estimacin de parmetros del modelo se utiliz como funcin objetivo el ndice de
performance del integral de error cuadrado (ISE) en su forma discreta:
5
( 2)
= [ ()]2
Smbolo
Unid.
Valor inicial
[1/d]
[1/d]
[1/d]
[1/d]
0.01
50
0.667
0.667
[1/d]
Intervalo de prueba
Mnimo
Mximo
0.00001
0.01
0.1
150
0.667
2.5
0.667
2.5
0.24
2.4
Valor final
de ajuste*
0.003735
126.66
0.97424
1.8543
2.3945
Figura 4. Resultados de la calibracin del modelo para los datos de extraccin de Collahuasi.
Donde se comparan los resultados del modelo frente a los datos experimentales
Figura 5. Resultados de la calibracin del modelo con los datos de la lixiviacin en columna del mineral de
Collahuasi. a) Concentracin de cobre disuelto en el efluente, b) Concentracin de ion ferroso en el efluente, c) pH
en la solucin efluente y d) Variacin del potencial Eh en el efluente
Smbolo
Unidades
Caso base
( )*
Radio de partcula
Altura de la pila
Flujo de lixiviante
Ion frrico
Ion ferroso
cido sulfrico
Bacterias Fe oxidantes
Temperatura
R
Z
us
[Fe+3 ]
[Fe+2 ]
[H2 SO4 ]
N0
Top
[cm]
[m]
[L/m2h]
[mol/L]
[mol/L]
[mol/L]
[cel/cm3]**
[C]
4.4
6
4.9
0.9
3.4
9.8
106
23
Valores de prueba
Inferior
Superior
1
7
4
9
10
25
0.1
8
0.1
10
5
15
105
108
10
30
* Se identifica como caso referencial en este caso los resultados del ajuste a la columna de Collahuasi
Figura 6. (Arriba izq.) Efecto de temperatura en la extraccin de cobre. (Arriba der.) Efecto de la granulometra en la
extraccin de cobre. (Abajo izq.) Efecto de la altura de la pila en la extraccin de cobre. (Abajo der.) Efecto de la variacin
del flujo de lixiviante en la extraccin de cobre.
Figura 7. (Arriba izq.) Efecto de la concentracin de cido en la extraccin de cobre. (Arriba der.) Efecto de la
concentracin de ion frrico en la extraccin de cobre. (Abajo izq.) Efecto de la concentracin de ion ferroso en la
extraccin de cobre. (Abajo der.) Efecto de la inoculacin de bacterias en la extraccin de cobre.
( )
( )
( 3)
Figura 8. ndices de Importancia de variable, donde se aprecian los parmetros con mayor influencia en la extraccin de
cobre. (T=temperatura, Z=altura de la pila, US=flujo de lixiviante, Fe (III) y Fe (II)=concentracin de in frrico y ferroso en la
alimentacin, Acido=concentracin de cido en la alimentacin, R=tamao de partcula, N0=bacterias en la alimentacin)
Desde el punto de vista prctico la determinacin exacta del punto de operacin ptimo,
presenta el inconveniente de ser sensible a pequeos cambios debido a las variaciones e
incertidumbres de los parmetros durante la operacin (Beyer & Sendhoff, 2007). Debido a esto
surge el concepto de diseo robusto, el cual permite determinar una solucin ptima que
permanece relativamente insensible a la variacin del entorno. La aplicacin de los conceptos
del diseo robusto a la lixiviacin en pilas, ofrece una solucin al problema de la incertidumbre y
la variabilidad caracterstica de este proceso.
Tabla 4. Principales parmetros que presentan variabilidad durante la operacin en la lixiviacin en pilas
Intervalo de incertidumbre
Parmetro
Smbolo
Unidades
Valor nominal*
Mnimo
Mximo
Temperatura
[C]
25
20
25
Flujo de soluciones
[L/m2h]
10
[ +3 ]
[g/L]
Smbolo
Unidades
Valor Inicial
Altura de la pila
Acido en la
alimentacin
Dimetro de
partcula
[m]
[2 4 ]
Intervalo de prueba
Valor Optimo*
Mnimo
Mximo
4.429
[g/L]
9.8
15
14.927
[cm]
4.4
2.5
1.005
* La aplicacin de los criterios de diseo robusto al modelo, permitieron evaluar el impacto de la incertidumbre de los
parmetros de la Tabla 4 en la extraccin de cobre, la optimizacin se llev a cabo por el mtodo de la gradiente
(Steepest descent) implementado en Matlab, con el objetivo de maximizar la extraccin de cobre. Finalmente, se
obtiene una respuesta que demuestra el gran impacto de las condiciones en la extraccin, especialmente la
temperatura. Sin embargo ante condiciones favorables la extraccin incrementa hasta en un 15% aproximadamente
durante algunos periodos de tiempo, esto se debe a que la covelita responde bien a la optimizacin, sin embargo la
calcopirita de carcter refractario es insensible a dichos cambios, esto se hace ms notorio a partir de los 150 das,
momento en el que la covelita ha reaccionado completamente.
10
4.
Perspectivas futuras
Debe evaluarse la capacidad predictiva del modelo, a escala de laboratorio, planta piloto
y a escala industrial a traves de varias pruebas experimentales, asimismo implementar
los resultados optimizados para demostrar su validez
5. Referencias
Ahmadi, A., Ranjbar, M., Schaffie, M., & Petersen, J. (2012). Kinetic modeling of bioleaching of copper sulfide
concentrates in conventional and electrochemically controlled systems. Hydrometallurgy 127-128, pgs. 16-23.
Barriga Vilca, A. (2013). Studies on the curing and leaching kinetics of mixed copper ores. Vancouver, Canada: Master of applied
science Thesis - University of British Columbia.
Bartlett, R. W. (1998). Solution Mining Leaching and Fluid Recovery of Materials (Segunda ed.). New York: Taylor & Francis.
Bennett, C. R., McBride, D., & Gebhardt, J. E. (2012). A comprehensive model for copper sulphide heap leaching Part 1 Basic
formulation and validation through column test simulation. Hydrometallurgy, 127-128, pgs. 150-161.
Beyer, H.-G., & Sendhoff, B. (2007). Robust optimization - A comprehensive survey. Computer methods in applied mechanics
and engineering(196), pgs. 3190-3218.
Bird, R., Stewart, W., & Lightfoot, L. (1993). Captulo 18 Las ecuaciones de variacin para sistemas de varios componentes. En
Fenmenos de Transporte (pgs. 18-5). Madrid: Editorial Revert S.A.
Bird, R., Stewart, W., & Lightfoot, L. (1993). Fenmenos de Transporte. Madrid: Editorial Revert S.A.
Bouffard, S. C. (2003). Understanding the heap biooxidation of sulfidic refractory gold ores. Vancouver: Ph.D. Thesis - University
of British Columbia.
Bouffard, S. C., & Dixon, D. G. (2009). Modeling pyrite bioleaching in isothermal test columns with HeapSim model.
Hydrometallurgy, 95, pgs. 215-226.
Carvalho, E. P., Martnez, J., Martnez, J. M., & Pisnitchenko, F. (2015). On optimization strategies for parameter estimation in
models governed by partial differential equations. Mathematics and Computers in Simulation(114), pgs. 14-24.
Crank, J. (1975). The mathematics of diffusion (2da Ed. ed.). Londres: Oxford University Press.
11
12
13