sistema de control avanzado para la optimización de ... 16.30 - 17.15 petrelli... · sistema de...

Sistema de Control Avanzado para la

optimización de Procesos en Minería

Marcelo Petrelli

Organizado por: Apoyo Estratégico:

Organizado por: Apoyo Estratégico: Organizado por: Apoyo Estratégico:

Agenda

El desafío de optimizar la gestión

Las bases del control avanzado y sus ventajas como herramienta de optimización

Control avanzado en Molienda

Control avanzado en Flotación

Impacto organizacional e implementación


El desafío de optimizar la gestión


MOST RETURN

ON INVESTMENT

BIGGEST

IMPACT

MINING

DIGITAL INVESTMENT SOURCE: 2014 Accenture Global Digital Mining Survey

92

%

TO INCREASE SPENDING IN NEXT 3 AÑOS

Productividad

Optimización

de la Cadena

de Suministro

Organización/

Cambio Operacional

Analisis / Big Data Planificación

Integrada Cloud Computing


Desafíos para el Control Óptimo

6

Los factores que afectan a la rentabilidad están cambiando en

tiempo real

La calidad de la materia prima y la finura

Valor por caloría del combustible

El contenido de humedad

Los costos de energía

Desgaste del equipo o bloqueo

La demanda del mercado


Cómo el Control Avanzado ofrece

valor al usuario

7

Control Predictivo

Optimización en tiempo real

Cumplimiento Ambiental en Tiempo real

Gestión del rendimiento de la producción

Más que Control Individual


Costo total de propiedad (TCO)

8

= Costo de compra + costo de mantenimiento + costo de

rendimiento reducido

Costo de rendimiento reducido Uptime por ejemplo, 95% versus 90% el tiempo de actividad

es decir, el 6% de rendimiento adicional

Mejora por ejemplo, 4% frente al 3% de mejora

es decir, 33% de rendimiento adicional

La base debería ser el rendimiento y el ROI y no el precio inicial

Añadir 40% en el rendimiento, lleva 40% de descuento en periodo de recuperación en el

ahorro

Número mayor retorno de inversión año tras año

Retornos adicionales sobre vida del proyecto son mucho más altos que cualquier diferencia

de costo inicial


Las bases del control avanzado y sus ventajas

como herramienta de optimización


Antecedentes del problema

En los años 1980 las celdas más grandes del mundo eran de alrededor de 50 m3 y hoy superan los 500 m3

Históricamente las plantas de flotación han estado creciendo en tamaño para compensar la disminución de leyes en los yacimientos

Se deben reducir los gastos de inversión: diseños más simples,

abarcando menores áreas de construcción

Y disminuir también los costos de operación: mayor eficiencia energética

menor gasto de mantenimiento”

En lo que a flotación se refiere, la prioridad es: lograr la mayor recuperación y

calidad de los productos finales


Antecedentes del problema

En términos generales, los sistemas expertos son más estáticos que adaptativos.

Las reglas estáticas, que toman en cuenta las relaciones básicas y fundamentales de la molienda y la flotación, han demostrado una y otra vez ser capaces de mejorar significativamente el rendimiento promedio de la planta.

Sin embargo, las operaciones de la unidad de procesamiento mineral son no lineales y complejas. No lineal significa que el futuro estado de la planta está condicionado al estado actual.

Ej. : si la presión de soporte del molino SAG es de 600 y la velocidad de alimentación se aumenta 50 t/h, la respuesta dinámica será muy diferente a que si la presión de soporte hubiera sido 700.

Complejo significa que una vez que se hace una serie de cambios de sistema, ya no se puede volver al mismo lugar desde donde se partió si se revierten estos cambios.

Claramente este fenómeno, aunque no comprendido por muchos, contribuye a la dificultad para controlar y optimizar los diagramas de flujo típicos,

Y también contribuye un menor rendimiento


Resolviendo Problemas Básicos

Primero ¿Esta estable la alimentación?

¿Están calibrados y funcionando los instrumentos?

¿Tiene conocimiento de los instrumentos inalámbricos (incluyendo la vibración)?

¿Está actualizado y estable su sistema de control?

¿Está en control manual o automático?

¿Están actuando sus operadores según las alarmas o son estas una molestia?

¿Conoce y acepta su variabilidad de proceso?

¿Está usted operando dentro de la expectativa de diseño y de las restricciones del proceso (bombas, ciclones,

calcinadores, hornos, etc.)?

¿Está usando la capacidad de sobrecarga, o se está ajustando al control de nivel?

¿Está en nivel óptimo y son robustos los controles?

¿Se está beneficiando de los sistemas de gestión de activos?

¿Están implementados los sistemas de detección de fallas?

¿Puede hacer el mismo producto con menos consumo de energía?


¿Modelar el Proceso, o Modelar al

Operador?

Las diferencias entre los dos tipos de sistema son principalmente

que:

• MPC usa un modelo del proceso; un sistema experto usa un

modelo del operador.

• MPC es predictivo; un sistema experto es algebraico.

• MPC es control de lazo cerrado; un sistema experto es control

de lazo abierto.

• MPC se basa en algoritmos; un sistema experto se basa en reglas.

Los sistemas de control no son un substituto para un sistema DCS o

PLC de planta


Como maximizar el resultado

operacional Multivariable

Estrategia de control basado en una matriz de

correlación cruzada de variables de proceso

clave

Predictivo

Matemáticas basado en modelos

desarrollados a través de pruebas de proceso

Control diseñado para conducir el proceso al

nivel óptimo a través de un horizonte de

control de proceso anticipado

Robusto

El control es dinámico, utilizando el proceso

de retroalimentación para la mejora del

rendimiento continuo

TIME

SPECIFICATION OR LIMIT

BEFORE MODEL

PREDICTIVE CONTROL WITH MODEL PREDICTIVE CONTROL

AND OPTIMIZATION

KE

Y T

AR

GE

T


Limitaciones del control PID

15

Cada lazo no tiene ningún conocimiento del sistema como un todo, o de otro

PID 's

No hay dinámica

Sólo maneja el presente, no el efecto futuro

Pobre con tiempos de retardo de procesos y señales ruidosas

Transferencias de ruido a la salida y el proceso

Sintonización PID es subjetiva y requiere tiempo y experiencia

Estos efectos se suman con el tiempo

Aumentar la variabilidad, disminuir la producción y la calidad

En última instancia, aumenta el costo de producción


Control Avanzado

Copyright © 2012 Rockwell Automation, Inc.

All rights reserved.

16

• Control para las variables de producto

• Utiliza modelos de procesos explícitos para

predecir las futuras respuestas sobre algún

horizonte de tiempo

• Controla los procesos dinámicos,

multivariable, lineales y no lineales con

restricciones

• El proceso es inherentemente multivariable

- el control SISO está condenada al fracaso

• Proporciona oportunidades para la

optimización

• Proporciona robustez

• Se dirige continuamente a los limites de

proceso establecidos

Control por modelo predictivo

Entrega resultados

predecibles.


Efectividad del Control PID

17


Arquitectura de entrada individual

y salida única

18

Controlador Actuador

Proceso

Set Point

Una Variable

manipulada Variables de

Perturbación Una

Variable

Controlada

"Islas" de la acción de control sobre un proceso

No hay dinámicas


Arquitectura de Multiples

Entradas / Multiples Salidas

19

Actuador

Proceso

Multiples

Variables

Controladas

Multiples Set

Points

Multiples

Variables

Manipuladas Variables de

Perturbación

Controlador

MPC

Modelo

Bias

Acción de control integrado en un proceso


El Modelo Explica un Sistema

20

Un modelo explica / emula el comportamiento de un sistema ...

y = a3 x3 + a2 x

2 + a1 x + a0

... Usando una representación "matemática"

Controlar de forma más eficaz lo que se puede explicar


Modelos de Control de Procesos

21

Modelo interno de planta utilizada para

• optimizar los puntos de ajuste para la operación en estado estable

• predecir las acciones de entrada hipotéticos dados de comportamiento de plantas

• simular planta fuera de línea con el fin de sintonizar el controlador

Modelo

variables manipuladas

Solver Engine Solver elige

trayectorias de MV para

controlar trayectorias

CV... Problema de

Optimización

J ( cv, mv ), h ( cv, mv )

Usuario define la

formulación ...

variables controladas

Modelo de estado estacionario no lineal • datos históricos de múltiples regiones

de operación

Modelo dinámico lineal • basado en pruebas de paso SISO o

MIMO de la planta • porciones del modelo dinámico

especificado por el usuario


Rango completo de funciones de

Control Avanzado

22

Optimización en Tiempo Real

Control por Modelo Predictivo

Control Multivariable No Lineal Control Multivariable Lineal

Sensores por Inferencia

Control Supervisorio Básico

Control Regulatorio Avanzado

Control Regulatorio Incre

men

to e

n e

l esf

uerz

o y

en

el valo

r


Control de proceso avanzado ayuda

a la planta

23

La forma más rápida para aumentar la producción

Los proyectos tienen cronogramas más rápidos, más alto retorno de la

inversión de los equipos

La mejor opción para 4-8% de aumento

Mejora la consistencia del producto

Captura las mejores prácticas operacionales

acción en línea frecuente - intervalos de segundos, no de minutos

Suaviza la operación a través de turnos

Reduce la producción de material fuera de especificación


Beneficios del Control por Modelo Predictivo

y la Optimización de Procesos

24

Minimizar la variación operacional

DV CV

Transiciones efectivas

CV

Seguimiento del plan de

operación

CV

LIMITE o ESPECIFICACIÓn

ANTES DE MPC

TIEMPO

KE

Y T

AR

GE

T

CON

OPTIMIZACION DESPUES DE MPC


Modelo de control predictivo (MPC)

25

Modelo de control predictivo (MPC) es un algoritmo de control multivariable que utiliza:

un modelo de dinámica interna del proceso

una historia de control de últimos movimientos y

una función de optimización de coste sobre el horizonte de predicción

para calcular los movimientos de control óptimos

sujeto a las restricciones del proceso

¿Por qué es tan valioso en minería y cemento?

procesos están dominados perturbación

MPC desarrollado para mantener los procesos controlados en presencia de perturbaciones

sistemas basados en reglas no funcionan correctamente con la deriva proceso


Modelo de control predictivo

26

Punto de ajuste de MV

MV valor medido

Predicción MV

CV predicción

CV valor medido Controlador optimiza trayectorias futuras

utilizando una simulación interna

Utilice primer paso del horizonte

MV valor deseado

CV valor deseado

Nivel deseado MV especificar manualmente

o por el estado estable optimizador

Indicador de tiempo actual


Resumen de la acción de control

MPC

27

El controlador calcula Magnitud de movimientos a cada variable para la optimización

del estado estacionario

Trayectoria de movimiento que debe aplicarse para el control dinámico

Transición suave de un estado a otro

El controlador optimiza el comportamiento futuro, cumpliendo los objetivos de Rendimiento

Eficiencia

Emisiones ambientales

Calidad y

Límites de seguridad del Proceso


Comparación general entre MPC y

Sistemas Expertos

28

Enfoques de sistemas expertos suelen implementar una estrategia de control

explícita, no óptimo y estacionaria

MPC implementa una estrategia implícita y óptima de control dinámico

Control básico versus control combinado y Optimización

La realimentación del lazo mide la respuesta del proceso incluyendo el efecto

de las perturbaciones y compara respuesta real al deseado. La señal de error

impulsa el controlador para generar acciones de control en tiempo real y

mantener pequeños errores todo el tiempo

Ofrece un rendimiento superior en comparación con los sistemas expertos

que sólo puede tratar de replicar el rendimiento del control humano

subóptimo, subjetivo e inconsistente.


MPC vs. Sistemas Expertos

Estabilización reactiva

Modelo de la acción del operador

Ayuda del operador

Compleja estructura, vinculado

Requieren más recursos del equipo

Bloques de reglas independientes paralelas

Basada en el conocimiento

Índices de estado pseudo-dinámicos

Control de lazo abierto

Estabilización, menos frecuentes

Estrategia de acción poco clara

Estrecho rango de operación

Necesidad conjunto completo de parámetros

Propenso a procesar la deriva

NO ES OPTIMIZACIÓN REAL

Control Predictivo y Optimización

Modelo del comportamiento del proceso

Control automático

Estructura compacta, avanzado

Computacionalmente eficiente

Totalmente multivariable, matriz acoplada

Basado en Matemáticas, movimientos adaptativos

Base del proceso dinámico

Control en lazo cerrado

Regulación continua, frecuente

Preciso sobre amplia gama

Acciones de control claros

Excelente rechazo de perturbaciones

Robusto, mantenimiento mínimo

MPC Sistemas Expertos


Control avanzado en Molienda


Aplicación de Control de Molienda

31

Capacidades Control de Proceso

Manipular la

alimentación y la velocidad del separador para cumplir los objetivos de rendimiento y especificaciones

Optimizar la carga del circuito

Predicción de la finura para proporcionar un control de lazo cerrado en el objetivo de calidad


Diagrama simplificado

Presión en los descansos

Potencia

Impacto de carga

Nivel

Potencia

Presión en los descansos

Tamaño de particula

Agua

Agua

Alimentación

Velocidad

Velocidad

Parámetro manipulado

Medición

Dureza del mineral

Perturbación


Consola de Control de un Molino

vertical

33

Estructura de

carpetas

Presente

Futuro Pasado


Tendencias

34


Consola de Monitoreo

35

Controller Matrix

Targets Soft Limits Hard Limits

Variables


Aplicación de Control de Molino

36

Beneficios

Aumentar el rendimiento hasta

un 7%

Reducir la variación de la finura

de hasta 50%

Mejorar la estabilidad

Evitar roturas por vibración

Reducir el consumo de energía

específica


Control avanzado en Flotación


Columna de flotación

(Confidential – For Internal Use Only)

Copyright © 2007 Rockwell Automation, Inc.

38

Mezcla de mineral, agua y reactivos químicos específicos llamado pulpa entra en la columna

Burbujas generadas por inyectar aire en el difusor en la parte inferior de la columna se mueven hacia arriba en dirección contraria al flujo descendente de la mezcla

En la sección inferior de enriquecimiento de la columna entre el punto de alimentación y la entrada de aire conocida como zona de flotación las partículas minerales hidrofóbicas se unen a las burbujas

Espuma de la parte superior de la columna se compone de concentrado de mineral

Wash

water

concentrate

tail

pulp

froth

Air


Características del proceso de

flotación

39

Comportamiento no lineal

Complejo acoplamiento

Tiempos muertos largos

Señales de ruido

Perturbaciones no medibles que tienden a forzar al proceso fuera de su curso:

Características de la alimentación : contenido de masa y contenido total de

sólidos en la masa alimentada

Química del agua, estabilidad de la espuma, espumosidad, comportamiento

hidrófilo/hidrófobo

Controladores de entrada individual vs salida única (PID's) luchar uno contra

el otro en un complejo entorno interactivo

Flotación ofrece oportunidades de

mejoras significativas usando MPC


Modelado de la columna de

flotación

40

Dos tipos de modelos: modelo de primeros principios y

heurístico

Los modelo de primeros principios se basan en el

principio de balance de masa en el recipiente

Acumulación = entrada - salida + generación

Modelo divide la columna en N capas

El balance de material en cada capa da un conjunto de

ecuaciones diferenciales que describen la columna

Los modelos heurísticos utilizan conocimiento experto

(e.g. métodos de modelado de lógica difusa)

Modelos híbridos combinan FPM y modelo heurístico

Red neuronal o difusa se utiliza para estimar los

parámetros de FPM

layer N

layer k

layer 1 layer 2 Product

feed

Tail feed

Pulp feed

Wash water


Proceso Simplificado Rougher,

Cleaner, Regrind

41

CV MV

DV

DV

MV

CV

MV

MV

MV

MV CV

Resultados

Integra modelos no lineales, control multivariable y optimización avanzada en un algoritmo

Optimización de la estabilidad de la espuma mediante el control de punto de ajuste de nivel y grado

Optimización del grado de recuperación por control de alimentación, concentrado, y relaves

Beneficios

Incremento de la recuperación en 0.5 – 2.5%

Incremento de la concentración en 1 - 5%

Reduce la variabilidad del concentrado en 40 – 65%


Control de las perturbaciones y

beneficios del MPC

Proceso de recuperación exhibe variabilidad

debido a las propiedades físicas y químicas

variables inherentes del material extraído:

Cambio del flujo masa de la mezcla que

afectan a efectos de ganancia en espuma

Cambios en el contenido de sólidos en la

mezcla crean perturbaciones en espuma y

pulpa

Incertidumbre o no-linealidad del proceso

general y del equipo (relaciones tornillo

transportador a las tasas del mineral)

Perturbaciones de lazos PID,

particularmente los “ratios” de control

Control MPC de celdas de flotación reducirá las operaciones inestables por: Utilización de la posición de válvula

o nivel aguas arriba de la célula como feedforward para predicción

Coordinación de todos los controladores de la célula para la gestión de las interacciones en las células, como una unidad Rechazo de las perturbaciones a

través de la línea

Reduce el tiempo de inicio y el efecto de las variaciones de flujo

Estabilización del setpoint para la recuperación mejorada y grado: Menor pérdida de producto para

relaves

Menor costo de reactivo


Control de flotación MPC

43

Capacidades:

• Mejorar celda de flotación o el balance de masa columna

• Mejor utilización de sensores en línea, como por espuma

• Manipula el flujo de aire y el nivel

• Integrar con la concentración de reactivo

Process Setpoints

(Manipulated Variables)

Uncontrolled Influences

(Disturbance Variables)

Process Results

(Controlled Variables)

Flotation

Control

Concentrate Analysis (Recovery)

Grade Setpoint (Impurities) Reagents (chem/water)

Total Solids

Ore Concentration

Frother Air Flow Rate

Particle Size

Feed Mass Flow Rate Pulp/Froth Depth

Tail Flow Rate

Gas Holdup


Impacto organizacional e implementación


Impacto organizacional

Copyright M. Petrelli, Nov 2007

El impacto que causa en la organización una

implementación de planta inteligente es de una

gran magnitud pero perfectamente manejable si:

se planifica en adelanto y

se ejecuta un plan en paralelo con la implementación

del sistema.


Alineación de lo tecnológico

con la visión de la organización


La alineación de lo tecnológico con la visión de la organización produce impacto en todos los niveles.

Ya desde el inicio podemos tener en cuenta que las plantas no son similares a las oficinas corporativas que las soportan ... mientras que las finanzas deben modelar los principios contables generalmente aceptados (GAAP del inglés, Generally Accepted Accounting Principles), cada planta puede operar en forma diferente para hacerse única y preservar su ventaja competitiva ("MES explained: a high level vision", MESA International, White Paper 6, Sept 1997, Pág. 7)


Estrategia informatizadora


Una estrategia que enfatiza la automatización, se enfoca en la

máquina inteligente. Una estrategia "informatizadora" reconoce

el valor y la función de la máquina inteligente, pero sólo en el

contexto de su interdependencia con gente inteligente. Es el

conocimiento y la comprensión en la cabeza de la gente -su

habilidad intelectual- que torna a las máquinas inteligentes en

una oportunidad fundamental para mejorar el negocio.

Shoshana Zuboff (2001)


El impacto organizacional es

a todo nivel


Una implementación seria de este cambio debe iniciarse desde la más alta dirección.

En el nivel más alto de dirección, la diferencia más notable es que tiene la necesidad de entender los beneficios que estos cambios traen y que van más allá de lo tecnológico.

Es necesario ir más allá de la tecnología informática de gestión para introducirse en la informatización de la producción.

Debe aprender su lenguaje algo distinto al de los modelos financieros.


La vision tradicional


En la organización tradicional "las fórmulas contables convencionales tratan a la tecnología como una sustitución de capital por trabajo" (Shoshana Zuboff, 2001, Pág. 12).

Cada vez que se trata de justificar una inversión en tecnología de producción, se mide la cantidad de puestos de trabajos eliminados al convertir un proceso manual en automático.

Es, lamentablemente, una visión miope de la situación. Es ver sólo la parte emergente del iceberg.

Esta miopía tiene consecuencias graves: en la mayoría de los países donde la mano de obra es barata, se rechazan los proyectos de mejora tecnológicas bajo el pretexto de que no se justifican.


La visión en la organización

moderna


En la organización moderna la alta dirección debe tomar una visión holística del negocio. El cambio a ese nivel debe pasar por la visión estratégica de la tecnología.

El cambio debe estar en que ellos mismos lideren el cambio. No basta con que acepten y aprueben inversiones en tecnología. Si después dejan la decisión de la elección en otras manos, pronto volverá al enfoque tradicional: el único logro fue sustituir trabajo por capital. "La tecnología sola, a pesar de su poder, no será suficiente para mostrar su propio potencial"


Cuestiones claves


Hay tres cuestiones claves que llaman simultáneamente la atención en el gerenciamiento exitoso de la tecnología, a saber: una definición de los lazos entre las elecciones estratégicas de la

organización, las estrategias de operación y tecnológica, y sus contribuciones específicas

una visión holística de la organización, relacionando el diseño total del sistema, las características de los productos clave, la tecnología de transformación y la metodología de control y operación

la identificación de las características relevantes de implementación y operacionales necesarias para atraer la tecnología al cauce de las operaciones de una organización

La forma más efectiva de abordar esto es incluyendo en la alta dirección expertos en tecnología que puedan alinear las estrategias.


Capacitación y manejo del

cambio del personal de operación


Vemos aquí un punto clave por diferentes motivos. El aprendizaje de la alta dirección y de las gerencias medias debe darse en el periodo

de tomar decisiones.

El del personal de operación debe hacerse en la etapa de implementación.

Como dijimos antes, este aprendizaje es clave principalmente por dos razones: 1. Evitar el rechazo de la nueva implementación.

2. Hacer que la nueva implementación funcione. Informatizar la planta requiere el cambio de algunos procesos y procedimientos.

Si estos nuevos procedimientos no se siguen y la planta se continua operando como antes, es muy probable que el nuevo sistema entregue los mismos outputs que antes. Esto puede hacer fracasar el proyecto y los futuros proyectos también dado que, quienes aprobaron la inversión no verán diferencias y sentirán que invirtieron para nada.


El factor humano


La tecnología informática puede realizar una poderosa contribución a los objetivos de incrementar el control y la continuidad, pero su extraordinariedad se basa en su capacidad informativa, la cual mejora la comprensión de las operaciones a través de las cuales una organización hace el trabajo... La magnitud a la cual cada una de las dos capacidades de la tecnología de información se enfatiza jugará un rol central en determinar las consecuencias organizacionales del cambio tecnológico. Le elección del énfasis es por sobre todo una cuestión de estrategia y deriva de la concepción del management de la contribución que esta tecnología pueda hacer al negocio

... una conclusión de mi investigación es que las innovaciones organizacionales son necesarias para soportar las innovaciones tecnológicas sí una empresa se beneficia totalmente del proceso informático. Es un proceso que tiene implicaciones del tipo de habilidades que los miembros de la organización deben desarrollar...

Shoshana Zuboff


A tener en cuenta


involucramiento de la alta dirección

involucramiento de la gerencias medias

entrenamiento cruzado

escuchar a la planta

alinear la visión y la misión de la planta, y de los departamentos de ingeniería y mantenimiento a la de la compañía

revisar el tipo de información disponible

relevar que información es necesaria

establecer la diferencia y que nivel de tecnología se necesita

seleccionar la tecnología y en función de ello comprar el resto

establecer un plan de administración del cambio en paralelo, incluyendo revisión de procedimientos entrenamiento y capacitación para todos los niveles.


Muchas Gracias!!

sistema de control avanzado para la optimización de ... 16.30 - 17.15 petrelli... · sistema de...

Documents