Simulação e otimização em circuito de flotação

Transcrição

1 Simulação e otimização em circuito de flotação Marcos Delgado Gontijo Mestre em engenharia de Minas pela Universidade Federal de Minas Gerais. (UFMG), Especialista em Recursos Minerais (ANM), marcosdgontijo@yahoo.com.br Resumo Este trabalho aborda a simulação do circuito de flotação, por uso de simulação de processo, para definição da melhor opção de projeto para uma operação de flotação da Usina da Mina do Cauê (Usina Cauê) da empresa Vale. A partir de dados previamente levantados e modelos calibrados, foram simuladas situações variadas, visando a redistribuição dos fluxos de minério no circuito para obtenção da condição ótima de projeto. Os melhores resultados mostraram possibilidades de ganhos, para o circuito de flotação, na ordem de,% em recuperação mássica, com redução significativa do teor de Fe no rejeito (perdas). Isso demonstrou que, através de simulação, podem-se prever bons resultados por solução técnica de fácil execução. Palavras-chave: Simulação. Otimização de processo. Flotação. Introdução A flotação de minério de ferro da Usina Cauê (Vale) é do tipo catiônica, reversa e em células mecânicas convencionais. Essa importante operação unitária produz o pellet-feed, usado nas usinas de produção de pelotas para alto-forno e redução direta. O bom controle da dosagem de reagentes, dos tempos de residência, aeração, níveis de espuma e outros parâmetros são importantes para assegurar a qualidade dos produtos, com menor custo possível, Gontijo (.000). A simulação matemática traz resultados orientativos e próximos à realidade, especialmente porque as análises estão sustentadas em dados reais amostrados e dados empíricos. Daí a importância de uma amostra representativa, de tratar os dados criteriosamente, de obter um balanço de massa adequado e trabalhar com modelos devidamente calibrados Gontijo (.000)

2 Este estudo envolve simular, via programa de computador, possibilidades de melhorias no circuito de flotação de minério de ferro da Usina Cauê, tendo por objetivo: reduzir o teor de Fe no rejeito, aumento dos ganhos de rendimento em massa e melhoria nas condições de previsibilidade e qualidade do pellet-feed. Além de avaliar as possibilidades de melhorias para o circuito de flotação da Usina Cauê, agrega-se: conhecimento de parâmetros importantes da flotação (como constantes cinéticas), aprimoramento de metodologia de trabalho com modelos matemáticos, melhorias operacionais, bem como auxílio no desenvolvimento de controles otimizantes por modelos matemáticos, dentre outros benefícios. Flotação Cauê O fluxograma a seguir mostra o circuito da flotação alimentado pelo do underflow do ciclone da deslamagem e do concentrado dos separadores magnéticos de alta intensidade, com vazão de cerca de 00 t/h de cada uma das usinas. Figura Fluxograma da Usina Cauê Fonte: Gontijo (000)

3 Na flotação de minério de ferro, a amina tem a função de tornar hidrofóbicas as partículas que se deseja flotar. Porém, sua ação não é seletiva. Ou seja, tende a tornar hidrofóbicas todas as partículas presentes. Por isso, é necessário que se adicione um reagente depressor que possa inibir a ação desse coletor. Na Usina Cauê, além da amina, usa-se como depressor o amido de milho, Gontijo (000). A flotação é feita por um estágio cleaner (o estágio rougher é considerado como feito pelos separadores magnéticos) e posteriormente em duas etapas scavenger. A seguir, temos o fluxograma da planta de flotação mostrando os bancos e o circuito. Figura Circuito de Flotação Alimentação Nova Pellet Feed USINA Perda USINA Fonte: Gontijo (.000) Simulação de processo Para Martins () a simulação de processos, atividade definida como aquela que descreve a operação da planta, permite obter respostas por uso de modelos matemáticos, a partir de entrada de dados e determinação de condições operacionais específicas. Quando, por interações sucessivas, os modelos matemáticos estão ajustados e interligados, eles fornecem respostas coerentes, comunicando-se uns com os outros, considerando as cargas circulantes, tem-se uma simulação por modelos matemáticos, propriamente dita.

4 Conforme apontado por Sastry (0), a simulação tem como objetivos os seguintes aspectos: Fornecer uma estrutura formal, qualitativa e quantitativa para entendimento do processo; Fornecer uma base de dados para planejamento e avaliação de testes de laboratório, usina piloto, ou circuitos existentes, determinação de parâmetros e critérios de scaleup e definição de estratégias de controle; A simulação possibilita análise do processo, além de agilidade e redução de custos, para definições de fluxograma, operação, controle, otimização e aumento de capacidade; Constitui-se também boa ferramenta para o ensino, aprendizagem e treinamento. A simulação de processo, baseada em modelos, pode ser dividida em dois tipos, caso envolva ou não o fator tempo: simulação dinâmica e simulação estática.. Simulação dinâmica Conforme definem Guillaneau et al. () e Martins (), a simulação dinâmica inclui o fator tempo e gera respostas rápidas sobre a situação atual e futura do processo, depois de recebidas e processadas informações dos instrumentos de medição da usina em operação. Desta forma, um operador de determinada usina poderá saber o comportamento do teor do produto, por exemplo, em função de alteração no teor da alimentação. Estratégias operacionais baseadas em modelos têm sido utilizadas em sistemas automáticos que têm como objetivo melhorar o desempenho dos processos (sistemas especialistas baseados em modelos). O modelamento dinâmico permite também a utilização de técnicas de otimização de processo (Simplex, algoritmos genéticos e outros). Várias estratégias de controle baseadas em modelos podem ser seguidas em função do objetivo, diminuir custos operacionais, por exemplo. Então um modelo dinâmico pode ser usado para descobrir o set point do controle da alimentação, que provoque maior constância de resultados e menor custo operacional (GONTIJO, 000).

5 . Simulação Estática Segundo Durance et al. () e Libaude et al. () a simulação estática é a técnica que permite obter um flash do processo, num determinado instante, e analisá-lo sob condições de constância na entrada de dados. Pode-se estudar, por exemplo, o efeito da alteração nas variáveis de operação, tais como a mudança na partição de hidrociclone em função de diferentes aberturas de apex, ou efeito da inclusão de novo britador no circuito. Pode-se otimizar desde o classificador do circuito até as variáveis da moagem, como diâmetro ótimo de bolas, percentagem de sólidos, etc. A simulação estática não concorre com a simulação dinâmica: não é um nível mais baixo ou mais alto de simulação (GONTIJO, 000). Enquanto a simulação dinâmica é uma ferramenta essencial para o projeto de estratégias de controle de processo e um elemento chave de sistemas de controle de processos, a simulação estática é uma ferramenta essencial para projetos de usinas e otimização. A otimização estática é usada tipicamente para otimizar o projeto do circuito e definir os tamanhos das usinas de equipamentos antes da implementação de um sistema de pré-controle (GONTIJO, 000).. Simulador de processos Um software de simulação é, usualmente, um pacote de modelos matemáticos interligados, que representam adequadamente uma operação unitária, fenômenos de transporte e circuitos. Esses modelos são capazes de predizer o que acontecerá se alguma mudança for feita naquela operação unitária ou nas condições do fluxo que compõem o circuito (BRGM). Por simulação direta é possível predizer a operação da usina com base em dados simples de alimentação da mesma. Obtêm-se dados de todos os fluxos, em função das fases definidas inicialmente, podendo incluir fluxos mássicos e/ou volumétricos, teor, granulometria, etc. (BRGM).

6 Por simulação reversa faz-se um retro-cálculo para definição dos parâmetros dos modelos, obtendo-se a calibração do simulador, que possibilita a adequação dos resultados preditos com os dados experimentais. Neste modo, quando se têm dados completos de usina ou laboratório, adéqua o simulador para representar fielmente o desempenho da usina, podendo-se, então, estudar variáveis diversas. Nesta etapa, dizemos que o simulador está calibrado (GONTIJO, 000). Neste trabalho, usou-se o simulador de modelos desenvolvidos pela BRGM (Bureau de Recherches Géologiques et Minières) da França. Metodologia O trabalho consistiu de amostragem detalhada do circuito em regime normal de operação. Após a amostragem, análises químicas e granulométricas das amostras assim como os resultados dos fluxos (vazões), foram submetidos a um balanço de massas para verificar da consistência dos dados e para redução dos erros de amostragens. À partir dos resultados dos balanço de massas, dos dados obtidos em campo e das especificações dos equipamentos utilizados, foram estudados por simulações matemáticas, através do uso de programa computacional específico, respostas dos modelos matemáticos para obtenção da calibração dos modelos. A partir do circuito calibrado ( dando respostas similares à realidade) foram estudadas as melhores opções de circuito para maximizar a eficiência do mesmo em termos de recuperação em massa e teores. Resultados e discussão Após amostragem, e preparativo dos dados por balanço de massas e calibração dos modelos foram simuladas opções de desempenho por modificações possíveis no circuito. As hipóteses simuladas seguiram alternativas de redistribuição dos rejeitos das células cleaner para as células scavenger. Posteriormente, analisou-se a redistribuição dos rejeitos do scavenger combinando com as possibilidades anteriores, conforme é ilustrado a seguir.

7 Inicialmente, foi feita a simulação de ajuste (Situação I) para corrigir duas condições: Eliminação das perdas apontadas no balanço de massa, considerando uma situação normal de operação; Ajustar o banco do cleaner da Usina, que apresentava desempenho anormal comparando-se com o banco correspondente da Usina. Essas adequações foram necessárias para se reproduzir uma condição regular de operação, evitando mascarar os resultados. A seguir são apresentados os fluxogramas representativos das situações simuladas, segundo a sequência de elaboração. O desenho do concentrador gravimétrico (representado por uma espiral concentradora) foi usado ilustrativamente, porque as perdas ocorreram no over flow do tanque (funcionando, de certo modo, como um concentrador genérico ao descartar material pobre por transbordo). Os resultados comparativos seguem as numerações colocadas nas setas (fluxos) Situação atual : o banco do cleaner da Usina, com baixa vazão, perdas nas bombas dos bancos do scavenger. Situação I: modelos calibrados simulação eliminando perdas e normalizando o funcionamento do o banco cleaner da Usina. Figura - Situação atual Estudo da Planta de Flotação - Situação Atual Figura - Situação I calibração Estudo da Planta de Flotação - Situação I 0 Alimentação-US 0 Alimentação-US B B B B Fonte: Dados da pesquisa (0). Perda

8 Situação II: desvio do rejeito dos primeiros bancos cleaner (B) para alimentação do scavenger. Situação III desvio do rejeito dos primeiros bancos cleaner (B) para alimentação do scavenger, desvio do rejeito dos terceiros bancos cleaner para o segundo banco do scavenger. Figura - Situação II Estudo da Planta de Flotação - Situação II Figura - Situação III Estudo da Planta de Flotação - Situação III 0 Alimentação-US 0 Alimentação-US B B B B Fonte: Dados da pesquisa (0). Situação IV: desvio do rejeito dos terceiros bancos cleaner para o segundo banco do scavenger. Figura - Situação IV Estudo da Planta de Flotação - Situação IV Situação V: desvio do rejeito do o banco do scavenger para o alimentação do o banco do scavenger. Figura - Situação V Estudo da Planta de Flotação - Situação V 0 Alimentação-US 0 Alimentação-US 0 B B B B Fonte: Dados da pesquisa (0).

9 Situação VI: desvio do rejeito dos primeiros bancos cleaner (B) para alimentação do scavenger, desvio do rejeito do o banco do scavenger para A alimentação do o banco do scavenger. Situação VII desvio do rejeito dos primeiros bancos cleaner (B) para alimentação do scavenger, desvio do rejeito dos terceiros bancos cleaner para o segundo banco do scavenger, desvio do rejeito do o para o o banco do scavenger. Figura - Situação VI Estudo da Planta de Flotação - Situação VI Figura 0 - Situação VII Estudo da Planta de Flotação - Situação VII 0 Alimentação-US 0 Alimentação-US B 0 B B 0 B Fonte: Dados da pesquisa (0). Situação VIII: desvio do rejeito dos terceiros bancos cleaner para o o banco do scavenger, desvio do rejeito do o para o o banco do scavenger. Situação IX: rejeito dos segundos e terceiros bancos cleaner alimentando o o banco scavenger, desvio do rejeito do o para o o banco do scavenger. Figura - Situação VIII Estudo da Planta de Flotação - Situação VIII Figura - Situação IX Estudo da Planta de Flotação - Situação IX 0 Alimentação-US 0 Alimentação-US 0 0 B B 0 B B Fonte: Dados da pesquisa (0).

10 . Análise de dados e definição da melhor situação Pelos resultados das simulações, foi possível determinar a opção de melhoria tendo em vista ganhos de diminuição dos teores de rejeito, aumento de rendimento mássico e não comprometimento da qualidade dos produtos finais. Comparando-se as várias situações, de modo simples, verificou-se: As Situações V, VIII e IX tiveram os menores teores de Fe no rejeito final, sendo a Situação IX a melhor neste critério; A Situação V elevou para, % o teor de SiO (fluxo ) na carga circulante (o que ultrapassa o limite máximo predefinido de,0 % para quando a alimentação nova está com este mesmo teor) e obteve maior teor de SiO e menores vazões nos concentrados (fluxos e ) que as Situações VIII e IX ; As vazões de produtos (fluxos e ), que refletem no rendimento, da Situação IX, também foram maiores. Assim, a melhor condição encontrada foi a Situação IX. A seguir, é apresentado um resumo desta melhor condição (Condição Ótima), comparando-se a condição atual calibrada (Situação I), conforme a análise. 0

11 Tabela - Resumo Comparativo Vazão SiO Ferro Met Fluxo Balanço Sit. I Sit. IX Balanço Sit. I Sit. IX Balanço Sit. I Sit. IX AL (t/h) 0, 0, 0,,,,,,,,,,,,,,,, 0, 0, 0,,,,,,,,,,,,,,,,,, 0,,,,0,0,,,,,,0,0,0,,,,,,,0,0 0,0, 0,,, 0, 0,,,,,,,0,, 0,,,,,,,0,,,,0,0,0,,, 0,,,,0,0,0,,0,,,,,,,0,,,,,,,,,,,0,,,,,,,,,, 0, 0,,0,0,0 0,,,0,, 0, 0, 0, 0,,,, 0,, 0, 0, 0, 0,,,, PF (t/h),, 0, 0, 0, 0,,,,,,,,0,0,00, 0,,,, -,0,00-0,, -, 0,, 0,0,0,0 0,,, 0,, 0,,0,0 0,0,0,,,, 0,,,,,,, 00, - -, , - -,0 - -,0 - -, - -,,,,00,0,0,,,,0, 0,,0,0,0,0,, RJ (t/h),0, 0,,,0,0 0,,,, 0,,,,,,,0,,,,0,0 0,0,,, 00, 0 0,,0,00,0,,0,,, -,0,0?,, - 0 Situação,Atual - com 0, Perdas e Desajuste, (banco,0 cleaner),0,0 0, 0,,0, 0,,,,,,,,,,, Carga, Circulante, Pellet, Feed, Rendimento,, Fonte: Dados da pesquisa (0). Ferro (%),0,, Vazão (t/h),0,, SiO (%),0, 0, Tabela - Ganhos Previstos Situação I - Ajustes de Perdas e Operacional Carga Circulante Rendimento Ferro (%),,, Vazão (t/h) SiO (%),,0,,, 0, Situação IX - Codição Ótima Carga Circulante Rendimento Ferro (%),,, Vazão (t/h) 0, 0, 0,,% SiO (%),0, 0, Ganhos Globais - Incluindo Ajustes Fonte: Dados da pesquisa (0). Carga Circulante Rendimento Carga Circulante Rendimento Ferro (%) -, 0,0 0, Vazão (t/h) -,,, SiO (%),, -0, 0,%,% Ferro (%) -, -, 0,0 Percebe-se Vazão que (t/h) a melhor opção -, (Situação, IX) prevê aumento,0 de,,,% % de rendimento SiO (%),, -0, Ganhos de Projeto - Mudanças de Lay out mássico (somente com modificações de lay out) e redução total do teor de Fe no rejeito de,,0 para, % com vazão de, para 0, t/h.,% O controle de sílica grossa é muito importante para a flotação e, por isso, além do gráfico de distribuição de SiO comparativo (Figura ), foi plotado o gráfico de distribuição de SiO > 0, mm (Figura ). Por estes gráficos, observa-se que o rejeito final aumentou, como

12 Quantidade de SiO Retida em 0, mm Teor de SiO (%) também outros fluxos, a proporção de sílica grossa (SiO na fração > 0, mm), o que é benéfico. Figura - Distribuição de SiO Distribuição de Sílica ao Longo do Circuito de Flotação 0.0 Teor de SiO - Situação Atual Teor de SiO - Situação IX Fluxo (numeração conforme fluxogramas) Fonte: Dados da pesquisa (0). Figura - Distribuição de SiO > 0, Distribuição de Sílica Grossa ao Longo do Circuito de Flotação 0.0 % Retida de SiO > 0, mm - Situação Atual % Retida de SiO > 0, mm - Situação IX Fluxo (numeração conforme fluxogramas) Fonte: Dados da pesquisa (0).

13 A seguir, está o balanço de massa (otimizado) para visualização geral dos resultados, para a simulação da situação IX. O aumento da carga circulante, em vazão, de, t/h para 0, t/h, pode levar à necessidade de um redimensionamento do bombeamento de concentrado scavenger. Este aumento se deve ao fato de que, na condição otimizada, o scavenger como um todo passou a trabalhar melhor e, consequentemente produzir mais. Figura - Fluxograma do Balanço de Massa Otimizado Fluxograma Ilustrativo da Flotação - Resultados do Balanço de Massa Otimizado 0,, 0,,,,,,0,, 0,,0,,, 0,0 0, 0, 0, 0, USINA,,,,,,,,0,0 0,,0,0 0,,0 0, 0,,,,0, 0,,,,0 0, 0,0 0, 0,0 Alimentação Nova 0,,,,0 0,0,,0,0 0,0 0,,0 0,0 Pellet feed 0, O SCAVENGER 0, O SCAVENGER,,0,,,,0,,0,0,00,0,0,0,0 0,,, 0, USINA 0,, 0,,0 0, 0,0,0,,0,0,0,00 0, Legenda Unid., Vazão (t/h),0 N o Ferro (%),00 0, SIO (%), AL O (%), 0, Fonte: Dados da pesquisa (0). Considerações finais A simulação de processo demonstrou-se adequada para avaliar possibilidades de otimização da flotação da Usina Cauê, especialmente pela consistência dos resultados do balanço de massa, boa calibração e compatibilidade dos modelos disponíveis com os equipamentos e circuito. O cleaner se mostrou eficiente para reduzir o teor de SiO, enquanto o scavenger (º e ) apontou possibilidades de melhorias.

14 A Situação IX apresentou os melhores valores, por satisfazer os objetivos: diminuir significativamente os teores de ferro no rejeito, de,0 para, % de Fe com eliminação de perdas, de, para, % de Fe com redirecionamento de fluxos; melhoria do rendimento mássico em, %, ou, t/h de produtos, apenas com modificações de layout (, %, considerando-se também ajustes e eliminação de perdas); manutenção da qualidade do pellet feed, com teor global final em 0, % de SiO (< 0, %, conforme especificado para o pellet feed Cauê). Os resultados deste estudo apontam para a implementação da opção IX, com colocação de válvulas reguladoras dos fluxos para as direções desejáveis, de forma a fazer o desvio gradativamente e melhorar as opções de controle do processo. O estudo do processo de flotação, observando-se controles tais como: tempos de residência, constantes cinéticas e sílica grossa, levou a um aprendizado importante desta operação unitária, do tratamento de minério e das metodologias adotadas. Absorveu-se tecnologia de manuseio das ferramentas de modelagem matemática e simulação de processo, representando ganho importante para trabalhos futuros. Os ganhos previstos são promissores, o que justifica este esforço e outros estudos semelhantes e melhoria na área de controles otimizantes por modelos matemáticos. Simulation and optimization in flotation circuit Abstract This work presents the simulation of the flotation circuit, by use of process simulation, to define the best design option for a flotation operation of the Mina do Cauê Plant (Cauê Plant) from Vale company. Based on previously collected data and calibrated models, different situations were simulated, aiming at the redistribution of the ore flows in the circuit to obtain the best design condition. The best results showed the possibilities of gains for the flotation circuit, in the order of.% in mass recovery, with a significant reduction of the Fe content in the tailings (losses). This demonstrated that, through the simulation, one can predict good results by easily executed technical solution. Keywords: Flotation. Simulation. Optimization.

15 Referências BRGM. USIM PAC. for Windows: User's Guide. Vol., 0 p. BRGM. USIM PAC. for Windows: User's Guide. Vol., p. DURANCE, M. V., GUILLANEAU, J.C., VILLENEUVE, FOURNIGUET, G., BROCHOT, S. Usim Pac For Windows: Advanced Simulation of Mineral Processes, Balkema,. LIBAUDE, J., MORIZOT, G., MORIN, D., GUILLANEAU, J.-C. New Technological Developments in Mineral Processing. Índia: Asian Mining,. GONTIJO, M. D. Flotação da Usina Cauê (CVRD): Otimização Por Modelos Matemáticos e Simulação de Processo. Dissertação de Mestrado Universidade Federal de Minas Gerais (UFMG). Belo Horizonte: 000. GUILLANEAU, J.C., DURANCE, M.V., VILLENEUVE, J.G.O. Computer aided Optimization of Mineral Processing Plant: Usim Pac.0 for Windows: Advanced Technologies for Mineral Processes, three years of innovation, Orléans,. MARTINS, M.A.S. Simulação e Otimização de Processos Minerais no Brasil. In: WORKSHOP Mining Best Performance, Belo Horizonte: Instituto Brasileiro de Mineração - IBRAM,. SASTRY, K.V.S. Principles and Methodology of Mineral Process Modeling. Berkeley: University of California, 0. Recebido em: //0 - Aprovado em: /0/0 - Disponibilizado em: /0/0