Con sede en Melbourne, Australia, Newcrest Mining Limited (OTCMKTS: NCMGY) cuenta con cinco activos operativos principales que producen oro, cobre y plata. Newcrest es reconocida por su excelencia en eficiencia operativa y gestión ambiental.
- Optimice el circuito de trituración para lograr mayor eficiencia y rendimiento
- Optimice los circuitos de flotación para aumentar la recuperación de oro
- Mayor rendimiento del circuito de molienda
- Mayor recuperación de oro en el circuito de flotación
- Confianza para abordar proyectos futuros
Desafío
Como líder de la industria, Newcrest Mining está llamada a satisfacer la demanda de productos de calidad y mayor rendimiento, a la vez que gestiona la variabilidad de la materia prima, las fluctuaciones de los precios de los commodities y las crecientes presiones de sostenibilidad.
Enfrentar estos desafíos es difícil, pero los objetivos son claros. Lograr una mejora de tan solo un uno por ciento se traduce en importantes ahorros de costos y conservación de los recursos naturales, lo que impulsa beneficios tanto económicos como ambientales.
Eric Nettleton, Head of Automation en Newcrest, señaló que “con diferentes DCS y sistemas tecnológicos en toda la empresa, la compañía requería una plataforma de control de procesos avanzado (APC) de arquitectura abierta para respaldar su estrategia de Automatización”. Ruchira De Silva, Manager de Control de Procesos y Analítica, explicó que para lograr esta estrategia, “Newcrest implementó un programa integral y de varios años de Control de Procesos y Analítica (PC&A;) para respaldar su trabajo de APC y lograr una mayor eficiencia y rentabilidad en sus operaciones”. El marco de PC&A; exige que el desarrollo de capacidades internas se complemente con la colaboración externa estratégica.
En esta historia, analizaremos el trabajo realizado en dos sitios diferentes:
Sitio Uno: Cadia, New South Wales, Australia
Los stakeholders de Newcrest en la instalación de Cadia en New South Wales, Australia, se enfocaron en aumentar la estabilidad del proceso general de recuperación de oro del mineral; es decir, buscaban disminuir la variabilidad en las condiciones del proceso. Al controlar la variabilidad y operar la planta de procesamiento más cerca de los límites operativos, los stakeholders de Newcrest esperaban poder incrementar tanto el rendimiento como la recuperación.
Sitio Dos: Planta de Procesos Lihir en Papúa Nueva Guinea
Los stakeholders de Newcrest en la Planta de Procesos Lihir querían optimizar el proceso de flotación.
Los metales pasan por un proceso de varias etapas para separarse de otros compuestos en el mineral rocoso. El mineral se tritura y muele en partículas más pequeñas, que se separan por tamaño, mientras se combina con agua y reactivos químicos para formar una suspensión. Esta suspensión se introduce en tanques de flotación donde se agita con burbujas de aire que crean una espuma, o “froth”, en la superficie del tanque. Los reactivos inducen a las partículas de metal a adherirse a las burbujas, para que puedan ser retiradas en un proceso de recuperación y luego consolidarse para el procesamiento posterior.
Un funcionamiento deficiente de la flotación puede resultar en una menor eficiencia de recuperación, productos de baja calidad, mayores perturbaciones de entrada, mayor uso/costo de reactivos y elevada variabilidad en el proceso, dificultando su control y operación.
Solución
Newcrest se asoció con el equipo de ciencia de datos industriales de Kalypso para explorar cómo la tecnología de FactoryTalk® Analytics™ PavilionX™ MPC podría desplegarse en ambos sitios para lograr los objetivos clave.
Sitio Uno: Cadia, Nueva Gales del Sur, Australia
Newcrest solicitó a Kalypso aumentar el rendimiento optimizando el circuito de concentración CON2. El equipo de MPC de Kalypso estudió 12 meses de datos históricos del circuito para identificar los parámetros clave del proceso que podían ser controlados y modificados. El controlador FactoryTalk® Analytics™ PavilionX™ se utilizó luego para predecir cómo respondería el proceso ante la variabilidad y perturbaciones externas, y para ajustar proactivamente los resultados deseados.
Para maximizar el rendimiento, el circuito de trituración debe operar lo más rápido y eficientemente posible frente a las restricciones aguas abajo. Esto implica triturar el mineral de entrada hasta obtener partículas del tamaño adecuado en la menor cantidad posible de repeticiones del circuito.
Para asegurar el tamaño correcto de partícula del material que ingresa al circuito de flotación, el equipo de Kalypso configuró la aplicación de MPC de molienda para adaptarse a la variación de la materia prima y otras condiciones. Para controlar la densidad de la pulpa en el molino SAG, el controlador MPC debía monitorear y ajustar múltiples variables simultáneamente, incluidas la velocidad del molino SAG, la tasa de alimentación de mineral al molino SAG y el régimen de flujo de agua al molino SAG, entre otras.
Sitio Dos: Planta de Procesos Lihir en Papúa Nueva Guinea
Los interesados de Newcrest en Lihir buscaban optimizar un circuito de flotación para mejorar la recuperación de oro, el grado de concentración y reducir los costos de reactivos. Solicitaron a Kalypso desarrollar una solución para la optimización multivariable del circuito de flotación, con el objetivo de lograr un aumento medible en la recuperación como indicador de éxito.
El desarrollo de la solución para el circuito de flotación comenzó con el monitoreo y control de los parámetros de proceso para reducir la variabilidad y alcanzar los objetivos de optimización. La aplicación proporciona visibilidad en tiempo real de la gestión del proceso y controla múltiples parámetros de proceso simultáneamente. Las acciones de control se actualizan continuamente en función de observaciones reales del proceso y de Analizadores Virtuales en Línea, respetando las restricciones del proceso de la planta para cumplir con los requisitos de recuperación y grado.
Los controladores de FactoryTalk® Analytics™ PavilionX™ se basan en potentes modelos del proceso que tienen en cuenta múltiples variables que afectan el resultado. Actúan a alta frecuencia para el cálculo eficiente y preciso de los puntos de ajuste del controlador y predicen parámetros internos del proceso y de calidad.
Las perturbaciones en el régimen de flujo y el balance hídrico que pueden ser causadas por variables aguas arriba impactarán la capacidad de extracción de masa del circuito de flotación.
Resultado
Los esfuerzos conjuntos de los equipos de Newcrest y Kalypso dieron lugar a mejoras que no solo cumplieron, sino que a menudo superaron los objetivos establecidos del proyecto.
Sitio uno: Cadia, Nueva Gales del Sur, Australia
La aplicación de control predictivo basado en modelo (MPC) para el circuito de molienda se diseñó, implementó y validó en nueve meses, antes de transferirla al equipo de Newcrest para su operación continua.
En el caso de negocio definido en el lanzamiento del proyecto, Newcrest y Kalypso identificaron un aumento acordado del régimen de flujo como el objetivo potencial. Tras la implementación, el circuito de molienda Cadia CON2 bajo control predictivo basado en modelo está entregando muy por encima de este desafiante objetivo.
Tras su éxito en la optimización del circuito de molienda, Newcrest recurrió de nuevo a los conocimientos de Kalypso para un proyecto posterior centrado en la optimización del circuito de flotación.
Jason Nitz, gerente de tecnología e innovación de Cadia, indicó que “Este proyecto le ha dado a Cadia la confianza que necesita para buscar oportunidades adicionales de mejora del control de procesos en la planta con las capacidades combinadas de Kalypso/Rockwell”. Jason Cravino, superintendente de PC&A de Cadia, añadió que la “colaboración entre Kalypso y los equipos de PC&A, metalurgia y operaciones del sitio ha sido exitosa para implementar una solución de control que no solo estabilizó el circuito de molienda CON2, sino que también impulsó un aumento en las toneladas de producción”.
Sitio dos: Planta de procesos de Lihir en Papúa Nueva Guinea
La aplicación de control predictivo basado en modelo (MPC) para el circuito de flotación se diseñó, implementó y validó durante un período de 12 meses, antes de ser transferida al equipo de Newcrest en Lihir para su operación continua.
En el caso de negocio definido en el lanzamiento del proyecto, Newcrest y Kalypso identificaron un aumento en la recuperación de oro (en la flotación) como el objetivo potencial. Tras la implementación, el circuito de flotación de Lihir bajo control predictivo basado en modelo está entregando resultados muy por encima de este desafiante objetivo.
Robert Gordon, gerente de operaciones de plantas de procesos, afirmó que “La implementación de control predictivo basado en modelo en el circuito de flotación de Lihir ha logrado una mejora significativa del rendimiento y la estabilidad de la hoja de flujo en la rama descendente. Los equipos de operaciones, control de procesos y metalúrgicos de Lihir han trabajado de manera colaborativa para co-diseñar esta solución de control predictivo basado en modelo, creando una capacidad central para respaldar nuestro futuro programa ampliado de control predictivo basado en modelo.”
Gareth Peachey, especialista sénior en ingeniería de procesos de Lihir, señaló: “Era una nueva tecnología para Lihir diseñada para mejorar los controles regulatorios existentes y se implementó durante las restricciones de Covid con acceso limitado a los recursos. Nuestra estrecha colaboración con el equipo de Kalypso nos permitió superar estos desafíos para entregar un proyecto exitoso que superó las metas de rendimiento desafiantes que establecimos”.
Posicionados para crecer
Las inversiones de Newcrest Mining en control predictivo basado en modelo los han posicionado estratégicamente para satisfacer la creciente demanda de productos de calidad y mayores rendimientos. Nuestro trabajo conjunto permitió a Newcrest mejorar la eficiencia operativa al gestionar los costos, el consumo de energía, la variabilidad de la materia prima y otras restricciones, sin dejar de cumplir su compromiso con la sustentabilidad y la gestión ambiental.
Publicado 13 de diciembre de 2023