Académique Documents
Professionnel Documents
Culture Documents
ABSTRACTO
Para cualquier planta de procesamiento habrá elementos perjudiciales o minerales que
afecten la producción o calidad, y se requiere una estrategia para predecir su ocurrencia
y mitigar su impacto. Uno de los primeros objetivos del programa geo metalurgia
Olympic Dam fue la predicción del consumo de ácido y el comportamiento de gelificación
del mineral, que afecta la recuperación de la lixiviación, el rendimiento y la disponibilidad
del circuito. El programa de pruebas geometalúrgicas midió la respuesta de una amplia
gama de tipos de mineral, y luego se desarrollaron relaciones entre mineralogía,
metalurgia y química. Por lo tanto, los controladores del consumo de ácido y los factores
desencadenantes de los eventos de gelificación podrían describirse de maneras
significativas para plantar operaciones.
INTRODUCCIÓN
Geología
El complejo de presa Olympic Breccia es un "granito" que a sido intensamente
brecciados y alterados / mineralizados para producir zonas ricas en óxido de hierro
localizadas que pueden o no ser económicamente mineralizado. Los minerales en el
"granito" han sido reemplazado progresivamente por óxidos de hierro, hematita y
magnetita, y un conjunto de minerales hidrotermales.
Hay más de 70 minerales que ocurren en Olympic Dam .Estos incluyen, pero no están
limitados a minerales económicos (bornita, calcocita, calcopirita, cofinita,
brannerita,uraninita, minerales que contienen Ag-Au); minerales subeconómicos (Co,
Zn-, Mo-, REE-, As-, Se-, Bi-, Te-, Sb-, Pb- teniendo minerales) y minerales de ganga
(hematita, cuarzo, sericita, k-feldespato, clorita, siderita, fluorita y barita).
Geometalurgia
El programa de geometalurgia en Olympic Dam tiene como objetivo cuantificar
relaciones entre ensayos químicos, mineralogía y rendimiento metalúrgico con el
objetivo de poblar el modelo de bloque de recursos. Según lo discutido por Dunham y
Vann(2007), geometalurgia es un campo que busca identificar ya sea medidas directas
o proxies para rendimiento, recuperación y concentrar la calidad a partir de diversas
formas de datos. En el trabajo actual, la información del ensayo de roca completa era
algoritmos utilizados y mineralógicos generados a partir de estos para predecir las
abundancias minerales en cada muestra analizada. En última instancia, esta
información mineralógica se utiliza en el proceso de modelado como parámetros de
entrada para que las ecuaciones se puede desarrollar que predicen varios
geometalúrgicos parámetros (incluido el consumo de ácido y las recuperaciones). Estos
atributos geometalúrgicos se modelan espacialmente para que sus impactos puedan ser
reconocidos para la planificación minera y propósitos de procesamiento de minerales.
ESTRATEGIA GEOMETALLURGIA
La Figura 1 es una representación diagramática del proceso solía poblar el modelo de
bloque Olympic Dam. En la práctica, hay numerosos pasos iterativos en este proceso.
El primer paso implica la recopilación de datos de metalúrgicas pruebas, análisis,
información geológica y también mineralógica. A partir de estos datos, se identifican los
que se pueden usar para identificar los parámetros clave, que pueden ser modelados a
predecir los parámetros geometalúrgicos (consumo de ácido en este caso). Todos estos
parámetros clave de entrada, proxies y los parámetros geometalúrgicos pueden
modelarse espacialmente usando geoestadística. A partir de estos modelos espaciales,
las zonas en el se puede identificar un yacimiento que puede contener minerales que
son perjudiciales para la planta. Con este conocimiento, optimizado se pueden producir
planes y cronogramas de mina que reducen el mineral variable y tienen en cuenta la
ubicación de estos minerales perjudiciales para reducir la probabilidad de que lo harán
significativamente impacta la operación.
Recopilación de datos
La primera parte del viaje en la creación de una geometalurgia el plan de mina habilitado
es la recopilación de datos. Existen numerosas fuentes de datos que pueden ser
apropiadas para predecir parámetros geometalúrgicos. A partir de estos datos, la roca
de minado se puede caracterizar.
El soporte de datos es la clave para asegurar que todos los modelos estén
adecuadamente reflejados a la variabilidad del yacimiento. La información del ensayo
es más fácil de obtener, con información mineralógica y metalúrgica. Es más costosa y
consume más tiempo recoger. Por lo general, debido a la cantidad de pruebas
metalúrgicas que se llevan a cabo, esto excluye la estimación directa del resultado de
la prueba en el modelo de bloque mediante el uso de geoestadísticas métodos debido
a la falta de soporte de muestra. Esto es dependiente en el yacimiento y el parámetro
metalúrgico en cuestión y, por lo tanto, debe determinarse caso por caso.
Se pueden tomar varios enfoques para superar esta limitación cuando se requiere poblar
el modelo de bloque con un parámetro metalúrgico. Un enfoque es el desarrollo de una
prueba barata a pequeña escala que se puede realizar en un un número mucho mayor
de muestras sin que el costo se convierta prohibitivo. Una alternativa es la determinación
de proxies que pueden usarse para predecir el metalúrgico respuestas. Una vez que
estos proxies han sido validados por pruebas metalúrgicas a escala de laboratorio, estas
pueden escalarse hasta el rendimiento de las relaciones que pueden determinar
diversas características del depósito (Dunham y Vann, 2007). También está el enfoque
adoptado por Olympic Dam, que es desarrollar una relación entre el metalúrgico
requerido respuesta y variables que están disponibles en cada bloque modelo (por
ejemplo elementos, minerales y densidad). En orden desarrollar una relación que sea
válida a través de los requisitos rango, se deben realizar pruebas metalúrgicas
suficientes una amplia gama de muestras, por lo tanto, esta información es usualmente
recogido para muestras seleccionadas y se generan modelos que puede indicar posibles
controladores de teclas para problemas particulares. Estos modelos se usan para
completar parámetros en modelo de bloque.
Definir la respuesta metalúrgica
requerida en el modelo de bloques
Ejecutar el programa
geometalúrgico
Aplicar relación a
nivel de bloque
En Olympic Dam, más de 1.5 millones de muestras de recursos han sido ensayado para
26 elementos diferentes (K, Al, Si, Fe, Ca, Ba, S, CO2, Cu, U3 O8, Au, Ag, As, Co, Mo,
Ni, Pb, Zn, La, Ce, Mg, Mn , N / A,P, Ti, Zr). La densidad y la susceptibilidad magnética
también tienen sido recolectado para estas muestras. Estas muestras han sido
procedentes de aproximadamente 10 000 perforaciones diamantinas que se han
perforado dentro y alrededor de la periferia de El depósito.
Mineralogía
Catorce minerales (hematita, cuarzo, sericita, feldespato, clorita, barita, fluorita, siderita,
pirita, calcopirita, bornita, calcocita, esfalerita y molibdenita) representan al menos 98
por ciento de los minerales en brechas alteradas y mineralizadas en Olympic Dam. Los
análisis mineralógicos no se realizan para cada muestra. Sin embargo, el rendimiento
metalúrgico es una función del comportamiento de los minerales, no simplemente la
concentración de rieles. El punto de partida en Olympic Dam fue ese wholerock los
ensayos químicos podrían usarse para calcular la mineralogía, producción de soporte
de muestra para la estimación del modelo de bloque en la misma escala que los
ensayos. La mineralogía medida suficiente debe ser llevado a cabo para validar los
cálculos de mineralogía. Una variedad de las técnicas se utiliza en Olympic Dam
incluyendo automatizado técnicas de mineralogía (analizador de liberación mineral o
MLA, y QEMSCAN®), difracción cuantitativa de rayos X (QXRD) y uso de una
microsonda electrónica para definir la estequiométrica rangos de composición para
minerales clave.
Algoritmos de mineralogía
Para usar la relación de consumo de ácido para poblar el modelo de bloque, los
parámetros de entrada al modelo deben estar limitado a las variables que se estiman en
cada bloque en el modelo de recursos. Actualmente para Olympic Dam, la estimación
geoestadística se produce para los 26 elementos analizados, densidad y los 14
minerales calculados. La geometalurgia equipo también optó por utilizar la mineralogía
medida como una entrada conjunta de datos.
Consumo de ácido
Cuando los modelos se generaron utilizando solo alimento elemental ensayos como
entradas, el error estándar para estos modelos fue alto, y la regresión lineal
generalmente mostró un ajuste deficiente de datos. Por lo tanto, los modelos basados
en el ensayo no se persiguieron como una opción. Este modelo empírico basado en
minerales tiene sentido lógico basado en el conocimiento teórico sobre la solubilidad del
mineral de ganga. Fluorita no se disuelve por completo bajo Condiciones estándar de la
presa Olympic Leach. Los datos no muestran una fuerte correlación de fluorita con el
consumo de ácido a pesar de un rango extremadamente amplio de concentraciones de
fluorita, y no hubo beneficio para el poder predictivo del modelo con su inclusión. El
grado de disolución de la hematita es extremadamente bajo, pero es el mineral de ganga
dominante por lo que es la contribución podría ser significativa. Sin embargo, como con
la fluorita, el análisis de datos empíricos no mostró una fuerte correlación de hematita
con consumo de ácido.
Numerosas revisiones de los modelos de consumo de ácido han ocurrido horas extras
como el conjunto de datos de muestras probadas ha aumentado. Para cada una de
estas revisiones, los términos del modelo no han cambiado, con chlorite, siderite y
sericite siempre siendo los principales impulsores del consumo de ácido predicho. Los
la presencia de los tres minerales siempre mejora el modelo (en términos de errores
estándar), lo que muestra que cada mineral hace una contribución independiente y
cuantificable al ácido consumo. Además, los coeficientes del modelo solo cambiaron
ligeramente con cada actualización del modelo y el error estándar tiene no se ha
reducido significativamente. Por lo tanto, esto fortalece el caso de que los parámetros y
coeficientes de este modelo ofrezcan representación robusta para la predicción del
consumo de ácido.
El modelo de consumo de ácido se prueba con cada nuevo dato conjunto producido por
el programa geometalurgia que proporciona un importante paso de validación del
modelo. La figura 2 muestra los resultados de un propuso una nueva área de mina en
Olympic Dam donde el consumo de ácido se compara con el valor modelado. Filtrarlas
pruebas se llevaron a cabo en geometalurgia discreta seleccionada muestras. Estas
muestras no representan una alimentación combinada, pero representan ejemplos
extremos de tipos de minerales presentes en la nueva área minera. Los valores de
consumo de ácido de la nueva minera no se utilizaron para generar el modelo.
Comparando el consumo de ácido pronosticado y medido para la nueva área minera,
como se muestra en la Figura 2, por lo tanto, valida que el modelo predice el consumo
de ácido muy bien. El error de predicción, por lo tanto, se puede evaluar y comparar con
la prueba conocida precisión para determinar si las oportunidades de mejora del modelo
son posible.
Gelling y espesamiento
Modelado de bloques
A diferencia de los grados, ambos proxies y medidas absolutas de las variables geo
metalúrgicas no son necesariamente lineales o aditivas y por lo tanto requieren una
consideración geoestadística muy cuidadosa (Dunham y Vann, 2007). Para superar este
problema, como, así como el tema del soporte de muestra, el geometalúrgico
parámetros en el modelo de bloque Olympic Dam han sido bloqueados calculado. Estos
cálculos de bloques usan variables que tienen sido estimados geoestadística mente. Un
ejemplo de esto es con consumo de ácido, donde clorita, siderita y sericita son todas
estimado en el modelo de bloques, mientras que el consumo de ácido el valor se calcula
bloque por bloque usando la relación desarrollada a partir de datos empíricos.
Al crear estimaciones espaciales para geo metalúrgica variables, utilizando proxies que
se basan en datos medidos directamente desde el agujero de perforación o muestras
de rocas dará resultados que deberían producir suficiente densidad de datos para
permitir una estimación adecuada. Debido a la plétora de resultados de ensayos
disponibles para OlympicDam, hay suficiente soporte de datos para estimar cualquiera
de los elementos ensayados. Las muestras utilizadas para la estimación consisten en 5
compuestos de agujeros de perforación. Información mineralógica medida no es tan
abundante como la información del ensayo, y por esta razón los algoritmos de
mineralogía calculados se utilizan para predecir los minerales presentes en cada
muestra. Posteriormente, geoestadístico la estimación de estos valores de mineralogía
calculados puede ocurrir.
Una vez que se han generado los modelos de bloques de mineralogía, estos se pueden
usar junto con modelos de procesos desarrollados para producir un cálculo para el
consumo de ácido, o cualquier otro parámetro en una escala de bloques.
En Olympic Dam numerosas técnicas de estimación (es decir, inversa distancia, kriging
ordinario y kriging indicador múltiple) son utilizado para producir modelos de bloques
espaciales para cada elemento / mineral. La estimación del modelo de bloque en
Olympic Dam ocurre en un 5 m ×Tamaño de bloque de 10 m × 5 m. El proceso de
estimación es un continuo, el método más básico de distribución de elementos /
minerales en un depósito es asumir un valor global sobre todo el depósito. Si se requiere
una mayor resolución espacial, una distancia inversa se realiza el método de estimación
de ponderación (IDW). Si geológico los factores estructurales están bien representados
y restringidos, el proceso de iteración puede detenerse y no hay más estimaciones.
las técnicas necesitan ser buscadas. Esto rara vez es el caso y por lo tanto la
complejidad de la técnica de estimación aumenta, pero también lo es el tiempo
computacional para obtener una estimación. Debido a la naturaleza compleja del
yacimiento de presas Olympic, estos más las técnicas complejas de estimación se usan
comúnmente.
Los valores que se estiman para varios elementos y minerales bloque por bloque están
disponibles para su uso a través de bloque cálculos. Para obtener información
geometalúrgica en un modelo de bloque, el método más fácil de emplear es el uso de
bloque de cálculos .El soporte de datos es la clave para generar modelos de bloques, e
incluso grandes programas geometalúrgicos pueden no proporciona suficiente soporte
de datos para permitir la población de un modelo de bloque con valores mineralógicos
y metalúrgicos a través de un enfoque geoestadístico convencional. Por lo tanto, a
través del uso de cálculos de bloque, el modelo de bloque se puede llenar con varios
parámetros geometalúrgicos. Una ventaja de usar cálculos de bloque para poblar los
parámetros geometalúrgicos es la facilidad en la que los cambios a los modelos de
proceso se pueden actualizar en el modelo de bloques. La modelización geoestadística
requiere una cantidad significativa de tiempo, pero los cálculos de bloques son
relativamente rápidos ya que su único requisito es que todos los valores de entrada para
el modelo de proceso están disponibles en cada bloque. Por esta razón, generar
geometalúrgica parámetros en un modelo de bloque, se ejecuta un script que calcula
los parámetros geometalúrgicos apropiados. Cuando revisión de estos modelos ocurre,
es simplemente un caso de modificación de ecuaciones en estos scripts y volver a
ejecutar el script para sobrescribir el bloque calculó valores. Esta facilidad de
modificación es particularmente importante como iteraciones modelo de bloque
comúnmente ocurrir cuando se agrega nueva información a la base de datos. Como
resultado la estimación de clorita, siderita y sericita puede cambiar, y estos cambios
deben actualizarse en la determinación de valores de consumo de ácido en una escala
de bloques. Actualmente hay más de 50 parámetros geometalúrgicos calculados en el
bloque modelo, por lo tanto, tener un método de cálculo de estos razonablemente
rápidamente en el modelo de bloque es vital. En términos de consumo de ácido, la
demanda general de ácido es expresado como consumo de ácido por unidad de
alimentación del molino. Los masa de concentrado y la masa de relaves, lo que permite
estimación de la demanda de ácido, se calcula explícitamente para cada bloquear.
Además, el ácido generado a partir de la fundición en el sitio es calculado y esto permite
que se genere un equilibrio ácido para cada bloque Dos ejemplos de consumo de ácido
como poblado en el modelo de bloque Olympic Dam se puede ver en la Figura 4 y la
Figura 5, con secciones de vista de plano de -350 mRL y -450 mRL, respectivamente.
Estos han sido coloreados para mostrar las variaciones relativas de consumo de ácido
sobre el depósito, de manera que el negro representa un menor consumo de ácido
mientras que el gris más claro representa las zonas que tienen un ácido más alto
consumo. Desde estas dos secciones de vista de plano, puede ser visto que se esperan
consumos más altos de ácido en toda la periferia del depósito. La variación en el
consumo de ácido a través del depósito puede así realizarse. Esto destaca más la
necesidad de la predicción de consumo de ácido en Olympic Dam, y la importancia de
la planificación minera para asegurar que la mina entrega mineral que puede procesarse
en la planta.
Olympic Dam utiliza un proceso de planificación de minas basado en valores que tiene
como objetivo optimizar el Valor Presente Neto para evaluar varias opciones a largo
plazo para la explotación de los Juegos Olímpicos Recurso de la presa El consumo de
ácido y el ácido resultante balance, es una entrada al modelo de optimización general.
Es utilizado para determinar los requisitos para el ácido generado por el sitio a través de
plantas ácidas que queman azufre. El costo de capital y el calendario de la construcción
de las plantas ácidas se incluyeron en la mina de alto nivel software de planificación, de
modo que para diversas configuraciones el valor podría ser maximizado
CONCLUSIONES
Los resultados del programa de pruebas geo metalúrgicas mostraron que el ácido el
consumo se correlaciona con la abundancia de clorito, siderite y sericite. Un modelo
empírico robusto fue desarrollado para predecir los relaves lixivian el consumo de ácido.
Los datos fueron más analizados para mostrar que la probabilidad de engrosamiento
gelificación basada en el contenido de clorito podría predecirse.
La abundancia de minerales que consumen ácido en todos los ensayado las muestras
en Olympic Dam se determinan mediante el uso de un ensayo mineral algoritmos y
minerales, por lo tanto, están disponibles Enel mismo nivel de soporte de datos que los
ensayos. Modelos de bloques espaciales se producen para cada elemento y mineral
basado en la mayoría técnicas de estimación apropiadas, que incluyen: inversa
ponderación de distancia (IDW), kriging ordinario (OK) o múltiple indicador kriging (MIK).
EXPRESIONES DE GRATITUD