UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE INGENIERIA GEOLOGICA MINERA Y METALURGICA

IMPLEMENTACION DE UN SISTEMA EXPERTO

EN EL PROCESO DE MOLIENDA

INFORME DE SUFICIENCIA

PARA OPTAR EL TITULO PROFESIONAL DE

INGENIERO METALURGISTA

PRESENTADO POR:
LUIS GABRIEL BELTRÁN CAJO

ASESOR
ING. EDGAR FORTUNATO SEGURA TUMIALAN

LIMA – PERU
2013
DEDICATORIA
A mi mami Dora por su ejemplo y
su amor.
A mi shenke K. y a todas las
personas que han contribuido en
mi formación y crecimiento como
persona.
 RESUMEN

El presente Informe de Suficiencia trata sobre la implementación de un

Sistema Experto en el procesos de molienda de una concentradora con un circuito de
molinos de barras – bolas y un molino unitario, este proyecto tenía objetivo el
incremento del tonelaje y la reducción del variabilidad del tamaño de corte en la
molienda unitaria y la disminución de la variabilidad de las principales variables
operacionales en la molienda convencional.

El desarrollo del proyecto se realizó considerando como motor de inferencia

la plataforma G2-Gensym de SGS – Division Advanced System el cual nos permitirá
desarrollar un Sistema Experto Basado en Reglas, la base del conocimiento estará
basada en reglas, considerando la forma de las reglas:

Antecedente  consecuente

Que son muy parecidas a la construcción IF … THEN.

Dentro de los logros se incrementó el tonelaje molido en un 4.75% sin

perjudicar el producto para la siguiente etapa de flotación, la cual tiene como
indicador el %malla +65m habiendo esta disminuido también, conjuntamente con la
variabilidad de estas señales.
 ABSTRACT

This Adequacy Report discusses the implementation of an Expert System in a

milling step of a concentrator circuit rod mills - mill balls and unitary, this project
was aimed at increasing the tonnage and reduction variability of cut milling size and
decreasing the variability of the main operational variables in conventional milling.

Project development was carried out considering as inference engine platform

SGS G2-Gensym - Division Advanced System which will allow us to develop a Rule
Based Expert System; the knowledge base will be based on a rule, considering the
shape of the rules:

antecedent  consequent

They are very similar to the IF ... THEN construct.

Among the achievements, the tonnage milled increased in 4.75% without

harming the product to the next stage of flotation, which has as indicator the %mesh
+65m having also a decrease, in conjunction with the variability of these signals.
 INDICE

INTRODUCCION ------------------------------------------------------------------------------------------ 10

CAPITULO I: MARCO TEÓRICO ---------------------------------------------------------------- 12

1.1. Antecedentes de los Sistemas de Control ----------------------------------------------- 12
1.2. Expansión y Surgimiento de los DCS’s. ------------------------------------------------- 14
1.3. Introducción a los Sistemas Expertos ----------------------------------------------------- 17
1.4. Historia de los S.E. ------------------------------------------------------------------------------ 18
1.5. Definiciones de los S.E. ----------------------------------------------------------------------- 18
1.6. Ventajas de los S.E. ----------------------------------------------------------------------------- 19
1.7. Limitaciones de los S.E. ----------------------------------------------------------------------- 19
1.8. Arquitectura Básica de los S. E. ------------------------------------------------------------ 20

CAPITULO II: FUNDAMENTOS DE LA LOGICA FUZZY -------------------------- 23

2.1. Lógica Fuzzy. ------------------------------------------------------------------------------------- 23
2.2. Ambigüedad contra Probabilidad. --------------------------------------------------------- 23
2.3. Reglas Difusas IF-THEN. -------------------------------------------------------------------- 24

CAPITULO III: PLANTA DE MOLIENDA --------------------------------------------------- 26

3.1. Descripción del Proceso de la Molienda en la Concentradora ------------------- 26
3.2. Equipos y Función dentro del Proceso. -------------------------------------------------- 28

CAPITULO IV: IMPLEMENTACIÓN DEL SISTEMA EXPERTO EN EL

PROCESO DE MOLIENDA --------------------------------------------------------------------------- 36
4.1. Bridge ------------------------------------------------------------------------------------------------ 36
4.2. Molienda Convencional ----------------------------------------------------------------------- 36
4.3. Molienda Unitaria ------------------------------------------------------------------------------- 40
4.4. Equipos Instalados Para la Implementación del Sistema Experto -------------- 42
4.5. Condiciones de Operación Requeridas para Sistema Experto Online --------- 42
4.6. Puesta en Línea del Sistema Experto ----------------------------------------------------- 48
 4.7. Reglas del Sistema Experto. ----------------------------------------------------------------- 51
4.7.1. Sistema Experto Molienda Convencional. ------------------------------------------ 51
4.8. Regla Sobrecarga ---------------------------------------------------------------------------- 54
4.9. Regla Descargado --------------------------------------------------------------------------- 60

CAPITULO V: RESULTADOS ---------------------------------------------------------------------- 65

CONCLUSIONES ------------------------------------------------------------------------------------------ 68

BIBLIOGRAFÍA -------------------------------------------------------------------------------------------- 70
 INDICE DE FIGURAS

Pág.

Figura 1.1. Arquitectura de un Sistema de Control 15

Figura 1.2. DCS en una Concentradora 16
Figura 1.3. Componentes típicos de un Sistema Experto 21

Figura 2.1. Sistema de Control Difuso 24

Figura 2.2. Estructura del Sistema Difuso 25

Figura 3.1. Diagrama de Flujo Molienda Convencional. 27

Figura 3.2. Diagrama de Flujo Molienda Unitaria. 27
Figura 3.3. P&ID Molienda Unitaria. 35

Figura 4.1. Esquemática principal para una semisección de 39

la Molienda Convencional.
Figura 4.2. Esquemática Principal para la Molienda Unitaria. 41
Figura 4.3. Tolva de Finos Requerida para SE Online 43
Figura 4.4. Señales de Campo en buena calidad al DCS. 44
Figura 4.5. Estabilidad para SE Online 46
Figura 4.6. Variador de la Bomba que Alimenta al Hidrociclón 47
Figura 4.7. Buena sintonía de los lazos de control. 48
Figura 4.8. Sistema Experto Online 49
Figura 4.9. Work Index 50
Figura 4.10. Tipos de Mineral 50
Figura 4.11. Jerarquía de Control 51
Figura 4.12. Botón Sobrecarga 52
Figura 4.13. Sets Defuzzy en Botón Sobrecarga 52
Figura 4.14. Conjunto Defuzzy de Agua Cajón 53
 8

Figura 4.15. Conjunto Defuzzy de Splitter Sur 54

Figura 4.16. Evento Sobrecarga 55
Figura 4.17. Señales a evaluar en Lógica Sobrecarga 57
Figura 4.18. Conjunto Fuzzy Varianza Hz 57
Figura 4.19. Lógica Sobrecarga 58
Figura 4.20. Sets Defuzzy en Lógica Sobrecarga 59
Figura 4.21. Activación Lógica Descargado 60
Figura 4.22. Lógica Descargado 61
Figura 4.23. Conjuntos Defuzzy para activarse 61
Figura 4.24. Esquemática principal para una semisección de 63
la Molienda Convencional.
Figura 4.25. Esquemática principal para la Molienda Unitaria. 64

Figura 5.1. Principales variables de evaluación de la 66

implementación del Sistema Experto.
Valores antes y después de la implementación.
Figura 5.2. Boxplot de evaluación de variables. 67
 INDICE DE TABLAS

Pág.

Tabla 3.1. Equipos Circuitos Barras-Bolas 29

Tabla 3.2. Equipos Circuito Molienda Unitaria 30
Tabla 3.3. Señales del DCS Circuito
Molienda Bolas y Unitaria 31
Tabla 3.4. Equipos Circuito Molienda Barras 33

Tabla 5.1. Variables Operativas Sistema Experto. 64

 INTRODUCCION

Los objetivos que se planificaron alcanzar con la implementación del Sistema

Experto han sido los siguientes:
1. Optimizar la capacidad de molienda de la Concentradora en diferentes
condiciones de dureza del mineral (duro, normal o menos duro).
2. El producto de molienda (rebose de ciclones), debe tener características
adecuadas para su mejor aprovechamiento en la siguiente etapa: flotación
primaria (granulometría y porcentaje de sólidos). En la actualidad se produce
una pulpa con P80 en el rango de 180 a 190 micrones.
3. Reducir el consumo específico de energía a través del incremento del tonelaje
procesado.
4. Al aplicar técnicas de optimización y control se espera mantener la estabilidad
del proceso de molienda para satisfacción de nuestros clientes.
5. Mejorar la instrumentación de campo, incrementarla o hacerla más confiable e
incrementar su disponibilidad.

La variabilidad del producto entregado era otro punto a considerar; en las

primeras pruebas (sintonía gruesa) se tenía demasiada variabilidad en el tamaño de
corte entregado por el analizador de partículas PSI; como se indicó anteriormente
evaluado solamente en la molienda unitaria; esto debido a que la Planta de Molienda
no llegaba a una estabilidad adecuada, sino que se tenían picos de tonelaje y como
consecuencia se registraba efectos aguas abajo: se perjudicaba la recuperación en la
flotación rougher.
 11

La implementación de este Sistema Experto tuvo un periodo de

implementación de 13 meses incluyendo las pruebas SAT (Site Acceptance Test).

1. La etapa inicial incluyó levantar información de la instrumentación de campo,

esto significó tener un plan de mantenimiento de los sensores, actuadores e
incluso compras de válvulas modulantes, todo ello en coordinación con los
desarrollos en lógica del DCS para dar robustez a las acciones del experto y
un plan de sintonía de los lazos de control para tener los mejores tiempos de
respuesta cuando se trabajara en modo cascada.

El instrumento que evaluaría la acción del Sistema Experto sería el PSI por lo
que era coherente que este tuviera una confiabilidad del 5% según lo que
indica el Proveedor por lo que se incrementaron los muestreos para mejorar
las curvas de calibración.

2. La segunda etapa consistió en el “diseño de las lógicas” basadas en las

mejoras prácticas operacionales del personal de Operaciones Concentradora y
la aceptación por parte de ellos, tendrían que ver al Sistema como un apoyo a
sus labores y no como alguien con quien competir. La interacción y
desarrollar el programa “a su lado” en la Sala de Control y hacerlos
participes activos en las mejoras fue muy importante para alcanzar este
objetivo.

3. La historización en el PI System de las señales del DCS (Sistema de Control

Distribuido) y otras variables de ingreso manual ayudó a la evaluación
estadística realizada antes y después de la implementación del sistema.

La toma de decisiones del Sistema Experto para variar el tonelaje está basada
según la jerarquía de lógicas las que involucran el consumo de potencia de cada uno
de los molinos en los circuitos convencionales.
 CAPITULO I
MARCO TEÓRICO

1.1. Antecedentes de los Sistemas de Control

Hacia inicios de los setenta la "Computación" había alcanzado un grado de

desarrollo en el mundo administrativo y científico que hizo posible pensar en
aplicarlo en el control automático de las industrias.
La utilización de controladores electrónicos había permitido
implementaciones complejas, abriendo un importante campo para el desarrollo de
nuevas aplicaciones que se vieron limitadas por lo costoso, poco flexible, y limitado
de la tecnología.
Sin embargo el reemplazo no podía ser inmediato: la confiabilidad y
seguridad son aspectos esenciales en la automatización industrial.
Los sistemas neumáticos y electrónicos habían demostrado un alto grado de
confiabilidad en virtud de que las fallas eran limitadas a un solo elemento a la vez
(por ejemplo: un controlador o un registrador), siendo el efecto de la falla acotado y
en general dominable sin necesidad de detener la operación. Las grandes
computadoras no tenían esa confiabilidad, y una falla afectaba gran parte de la planta
(si no toda).
Por esa razón las primeras grandes computadoras se utilizaron actuando sobre
controladores individuales en un modo conocido como “Control de Valores
Deseados” (Set Point Control - SPC).

Los controladores electrónicos analógicos efectuaban el control en la forma

convencional siendo supervisados y ajustados sus valores deseados por la
 13

computadora, en función de algoritmos de optimización. La falla de la computadora

no afectaba el control, dejando al sistema con los últimos valores deseados
calculados.
Un aspecto a destacar fue que, a diferencia de las aplicaciones en los planos
administrativos y científicos, en el área de control se necesitó del funcionamiento de
las computadoras "en tiempo real", es decir que el procesamiento debía de ser lo
suficientemente rápido como para resolver eventos y problemas que iban ocurriendo,
en instantes.
Esta problemática era (y es) distinta a la de la mayoría de las exigencias
computacionales administrativas. Tal vez el cálculo en sí no es complejo, pero sí lo
es el procesamiento en forma recurrente y en fracciones de segundo de algoritmos
sobre cientos de variables (a veces miles) que llegan desde el campo. A este
procesamiento se deben sumar las exigencias de otros periféricos (como son las
consolas de operación o las impresoras de eventos y alarmas) y las rutinas de
chequeo y autodiagnóstico de los Procesadores.
En paralelo con el desarrollo del SPC en la década del 60’s surgió la idea de
trasladar todo el procesamiento de control hacia la computadora teniendo como
interface tarjetas de entrada-salida (input-output cards, I/O cards) que hacían la
conversión de las señales analógicas en digital (y viceversa) de y hacia campo.
Los mayores inconvenientes de este modo de control estaban en la falta de
seguridad y continuidad operativo ante una falla (no tan infrecuente) de la
computadora: la falla abarcaba toda la planta deteniéndola o lo que era peor
llevándola a un estado impredecible potencialmente peligroso.

Dos alternativas surgieron para resolver estos problemas:

• Una computadora redundante a la espera de la falla a la que en ese momento

se le transfería todo el control.
• Un panel con controladores e indicadores convencionales a los que en el
momento de la falla le era transferido el control.
• Ambas alternativas presentaron problemas:
 14

• El problema económico (prácticamente se duplicaba la instalación), o sea la

inversión teniendo la mitad ociosa a la espera de una falla.
• La exigencia de tener el sistema de respaldo actualizado con los últimos
valores, tanto de campo, como los modificados por los operadores en función
del proceso. Esto requería una gran capacidad de cómputo así como una
conmutación muy segura (sin saltos ni fallas).
• El problema del lenguaje de programación de las computadoras: el personal
de planta no conocía los idiomas de programación que estaban reservados a
personal especializado.

Estos problemas fueron importantes y dieron lugar a complejos análisis y

desarrollos para simplificar la programación, como ser la configuración de las
estrategias de control por medio de bloques o el seguimiento de variables
actualizándolas en distintas unidades (tracking).

1.2. Expansión y Surgimiento de los DCS’s.

Sin embargo el desarrollo tecnológico y la disminución de costos asociados al

procesamiento computacional vinieron en ayuda de los ingenieros de control: la
aparición del microprocesador permitió tener en un pequeño espacio una gran
capacidad de procesamiento.
Los Sistemas de Control Distribuido (Distributed Control Systems, DCS)
fueron el siguiente paso: Distintas unidades de procesamiento con su correspondiente
redundancia realizaron (y aún realizan) las distintas tareas requeridas, por ejemplo:

• Conversión de las señales analógicas de campo a digital y viceversa.

• Ejecución de los algoritmos de control.
• Interface con los operadores a través de estaciones que incluyen monitores
(HMI’s, SCADA’s).
• Los procesadores se comunican a través de cables (llamados buses), los que
permiten no sólo la distribución del procesamiento (y del riesgo), sino
 15

también la distribución geográfica de los módulos con las consecuentes

reducciones de cableados y costos asociados.

Figura 1.1. Arquitectura de un Sistema de Control

La aparición del control distribuido tuvo su origen hacia mediados de la

década del 70, y pronto los nuevos proyectos y ampliaciones de planta los
incluyeron, en lugar de los paneles de control.
Incluso muchas plantas iniciaron el camino de la migración de las tecnologías
anteriores hacia la digital a fin de aprovechar las ventajas que ésta le brinda.
Lo que hemos descrito, corresponde a la evolución de las “Plantas de
Procesos Continuos”.
Las “Industrias Manufactureras” también tuvieron su desarrollo: los tableros
de relees comenzaron a ser reemplazados por sistemas computacionales. Hacia fines
de los 60’s y comienzos de los 70’s surgen los Controladores Lógicos
Programables (Programmable Logic Controller, PLC), con un nivel de
 16

confiabilidad que permitió su utilización en reemplazo de los gabinetes de relees en

el procesamiento de señales discretas.
Los PLC han ido evolucionando incorporando funcionalidades que le
permiten el procesamiento analógico de datos, comunicación con otros sistemas, etc.

Figura 1.2. DCS en una Concentradora

Otra expansión importante fue la evolución de la programación de los

sistemas aplicados al control. El personal de planta generalmente no estaba
acostumbrado a los lenguajes de programación que se utilizaban en las
computadoras, por lo que un importante avance fue la posibilidad de la configuración
del control tanto en los Sistemas de Control Distribuido como en los PLC, a través de
lenguajes que tuvieran similitud con lo que los ingenieros y operadores de planta
conocían.
Para los Sistemas DCS fue a través de la configuración de “bloques de
control”. Estos representaban estructuras de programación equivalentes a los
instrumentos existentes (controladores, indicadores, relacionadores, etc.). Sólo se
necesita completar en planillas prearmadas ciertos parámetros para quedar definidos.
 17

Para los PLC la forma de programarlos se orientó hacia los ya mencionados

diagramas escalera (ladder) o hacia las expresiones lógicas o booleanas.
Con estas posibilidades el procesamiento digital apareció como la alternativa
más conveniente para cualquier expansión o proyecto nuevo, así como en reemplazo
de anteriores tecnologías.
Desde mediados de los 70 hacia mediados de los 80 tuvo lugar una
importante expansión del control digital, que no sólo alcanzó a los controladores sino
que se reflejó también en los transmisores de campo que incluyeron tecnología
digital en sus diseños (transmisores inteligentes).
La mayoría de las aplicaciones hasta entonces tenían como objetivo primario
la utilización de los sistemas digitales en forma equivalente a la de la
instrumentación tradicional, aprovechando las capacidades computacionales para
realizar tareas complementarias como almacenamiento histórico de datos, reportes,
manejo de alarmas, cálculos complejos, etc.

1.3. Introducción a los Sistemas Expertos

Se considera a alguien un experto en un problema cuando este individuo

tiene conocimiento especializado sobre dicho problema. En el área de los Sistemas
Expertos (a partir de ahora denominado S.E.) a este tipo de conocimiento se le
llama conocimiento sobre el dominio. La palabra dominio se usa para enfatizar que
el conocimiento pertenece a un problema específico.

Antes de la aparición del ordenador, el hombre ya se preguntaba si se le

arrebataría el privilegio de razonar y pensar. En la actualidad existe un campo
dentro de la inteligencia artificial al que se le atribuye esa facultad: el de los S.E.
Estos sistemas también son conocidos como Sistemas Basados en Conocimiento,
los cuales permiten la creación de máquinas que razonan como el hombre,
restringiéndose a un espacio de conocimientos limitado. En teoría pueden razonar
siguiendo los pasos que seguiría un experto humano (médico, analista, empresario,
etc.) para resolver un problema concreto. Este tipo de modelos de conocimiento por
ordenador ofrece un extenso campo de posibilidades en resolución de problemas y
 18

en aprendizaje. Su uso se extenderá ampliamente en el futuro, debido a su

importante impacto sobre los negocios y la industria.

1.4. Historia de los S.E.

Sus inicios datan a mediados de los años sesenta. Durante esta década los
investigadores Alan Newell y Herbert Simon desarrollaron un programa llamado
GPS (General Problem Solver; solucionador general de problemas).

Algunos investigadores decidieron entonces cambiar por completo el

enfoque del problema restringiendo su ambición a un dominio específico e
intentando simular el razonamiento de un experto humano. En vez de dedicarse a
computarizar la inteligencia general, se centraron en dominios de conocimiento
muy concretos. De esta manera nacieron los S.E.

En la década de los ochenta se ponen de moda los S.E., numerosas empresas

de alta tecnología investigan en esta área de la inteligencia artificial, desarrollando
S.E. para su comercialización. Se llega a la conclusión de que el éxito de un S.E.
depende casi exclusivamente de la calidad de su base de conocimiento. El
inconveniente es que codificar la pericia de un experto humano puede resultar
difícil, largo y laborioso. Un ejemplo de S.E. moderno es CASHVALUE, que
evalúa proyectos de inversión y VATIA, que asesora acerca del impuesto sobre el
valor añadido.

1.5. Definiciones de los S.E.

Es un software que imita el comportamiento de un experto humano en la

solución de un problema. Pueden almacenar conocimientos de expertos para un
campo determinado y solucionar un problema mediante deducción lógica de
conclusiones.
 19

Son S.E. aquellos programas que se realizan haciendo explicito el

conocimiento en ellos, que tienen información específica de un dominio concreto y
que realizan una tarea relativa a este dominio.

Programas que manipulan conocimiento codificado para resolver problemas

en un dominio especializado en un dominio que generalmente requiere de
experiencia humana. Programas que contienen tanto conocimiento declarativo
(hechos a cerca de objetos, eventos y/o situaciones) como conocimiento de control
(información acerca de los cursos de una acción), para emular el proceso de
razonamiento de los expertos humanos en un dominio en particular y/o área de
experiencia.

1.6. Ventajas de los S.E.

a. Estos programas proporcionan la capacidad de trabajar con grandes

cantidades de información, que son uno de los grandes problemas que
enfrenta el analista humano que puede afectar negativamente a la toma de
decisiones pues el analista humano puede depurar datos que no considere
relevantes, mientras un S.E. debido a su gran velocidad de proceso analiza
toda la información incluyendo las no útiles para de esta manera aportar una
decisión más analizada.

b. Ayuda a estandarizar las prácticas diarias incluyendo las mejores prácticas

operacionales identificadas y validadas, ello ya es una mejora dado que los
usuarios buscarán comprender el funcionamiento del sistema y su forma de
“pensar” ante una determinada situación.

1.7. Limitaciones de los S.E.

Es evidente que para actualizar se necesita de reprogramación de estos, otra

de sus limitaciones puede ser el elevado costo en dinero y tiempo.
 20

Además que estos programas son poco flexibles a cambios y de difícil

acceso a información no estructurada, en la actualidad este punto está siendo
mejorado con la implementación de herramientas específicas para desarrollo de
lógica en los DCS (Sistemas de Control Distribuido) como:
• Rockwell Software: Ha desarrollado el Fuzzy Designer, un conjunto de
librerías de lógica fuzzy para aplicarlo bajo la plataforma de los Control
Logix (PLC con características más robustas y más funcionalidades).
• ABB: Esta empresa Suiza ha desarrollado librerías para implementación de
lógicas fuzzy orientadas al sector minero,
• Estas herramientas buscarían competir con los software propietarios de
METSO, G2-SGS (como en el caso de este Informe) entre otros, con la
finalidad de ofrecer una plataforma de control desde los buses de campo
hasta las lógicas de optimización de procesos basadas en control avanzado.
• Estas herramientas también ofrecerían mayor flexibilidad a los clientes,
dado que su implementación ya no dependería de personal específico, sino
que se daría la misma transición que se tuvo con los lenguajes de
programación de los DCS’s.

Por otra parte la inteligencia artificial aún no ha podido desarrollar sistemas

que sean capaces de resolver problemas de manera general, de aplicar el sentido
común para resolver situaciones complejas ni de controlar situaciones ambiguas.

1.8. Arquitectura Básica de los S. E.

a. Base de conocimientos. Es la parte del sistema experto que contiene el

conocimiento sobre el dominio. hay que obtener el conocimiento del experto
y codificarlo en la base de conocimientos. Una forma clásica de representar
el conocimiento en un sistema experto son las reglas. Una regla es una
estructura condicional que relaciona lógicamente la información contenida
en la parte del antecedente con otra información contenida en la parte del
consecuente.
 21

b. Base de hechos (Memoria de trabajo). Contiene los hechos sobre un

problema que se han descubierto durante una consulta. Durante una consulta
con el sistema experto, el usuario introduce la información del problema
actual en la base de hechos. El sistema empareja esta información con el
conocimiento disponible en la base de conocimientos para deducir nuevos
hechos.

c. Motor de inferencia. El sistema experto modela el proceso de

razonamiento humano con un módulo conocido como el motor de
inferencia. Dicho motor de inferencia trabaja con la información contenida
en la base de conocimientos y la base de hechos para deducir nuevos
hechos. Contrasta los hechos particulares de la base de hechos con el
conocimiento contenido en la base de conocimientos para obtener
conclusiones acerca del problema.

Figura 1.3. Componentes típicos de un Sistema Experto.

 22

d. Subsistema de explicación. Una característica de los sistemas expertos es

su habilidad para explicar su razonamiento. Usando el módulo del
subsistema de explicación, un sistema experto puede proporcionar una
explicación al usuario de por qué está haciendo una pregunta y cómo ha
llegado a una conclusión. Este módulo proporciona beneficios tanto al
diseñador del sistema como al usuario. El diseñador puede usarlo para
detectar errores y el usuario se beneficia de la transparencia del sistema.

e. Interfaz de usuario. La interacción entre un sistema experto y un usuario se

realiza en lenguaje natural. También es altamente interactiva y sigue el
patrón de la conversación entre seres humanos. Para conducir este proceso
de manera aceptable para el usuario es especialmente importante el diseño
del interfaz de usuario. Un requerimiento básico del interfaz es la habilidad
de hacer preguntas. Para obtener información fiable del usuario hay que
poner especial cuidado en el diseño de las cuestiones. Esto puede requerir
diseñar el interfaz usando menús o gráficos.

Los primeros sistemas expertos que se desarrollaron en los años 60 eran

capaces de resolver solo problemas basados en situaciones determinadas, mediante
sistemas de reglas. Es a partir de los 70 cuando se empiezan a resolver problemas
basados en situaciones inciertas, basados en medidas difusas al principio y en redes
probabilísticas con posterioridad.
 CAPITULO II
FUNDAMENTOS DE LA LOGICA FUZZY

2.1. Lógica Fuzzy.

Lotfi Zadeh inventó la lógica difusa en base a los conjuntos difusos, la cual
surge en los procesos de decisión las conclusiones no siempre pueden tener
estrictamente la forma de si/no, verdadero/falso.

La palabra fuzzy se podría definir como algo difuso, ambiguo, vago.

La lógica difusa es una extensión de la lógica convencional (Booleana) para

manejar el concepto de verdad parcial.

El control difuso proporciona una metodología formal para representar,

manipular e implementar conocimiento heurístico humano de cómo se debe controlar
un sistema.

El control difuso involucra la incorporación a través de un conjunto de reglas.

2.2. Ambigüedad contra Probabilidad

La ambigüedad es una característica del lenguaje humano. Por ejemplo:

• Si estudias bastante entonces obtendrás buenas notas.
• Si el profesor es buena gente entonces el examen será fácil.
 24

Figura 2.1. Sistema de Control Difuso.

La ambigüedad es una incertidumbre determinística, la probabilidad es no

determinística. La incertidumbre probabilística se disipa con el incremento
del número de ocurrencias y la difusifisidad no lo hace. La ambigüedad
describe eventos ambiguos, la probabilidad describe los eventos que ocurren.

2.3. Reglas Difusas IF-THEN

• Los conjuntos y los operadores difusos son los sujetos y predicados de la

lógica difusa. Las reglas if-then son usadas para formular las expresiones
condicionales que abarca la lógica difusa.

if x is A then y is B.

Donde A y B son los valores lingüísticos definidos por los conjuntos

definidos en los rangos de los universos de discurso llamados X e Y,
respectivamente.
La parte if de la regla ´x es A´ es llamada el antecedente o premisa, mientras
la parte then de la regla ´y es B´ es llamada la consecuencia o conclusión.
 25

La fusificación de las variables de entrada.

Aplicación del operador difuso (AND ó OR) en el antecedente.
Implicación del antecedente con el consecuente.
Agregación de los consecuentes a través de las reglas.
La defusificación.

Figura 2.2. Estructura del Sistema Difuso.

 CAPITULO III
PLANTA DE MOLIENDA

3.1. Descripción del Proceso de la Molienda en la Concentradora

La Concentradora tiene una capacidad nominal de molienda de 60,000 TM

por día de mineral pórfido de Cobre procedente de la mina a tajo abierto distante a 7
Km. El mineral es procesado en las siguientes etapas: chancado, molienda, flotación,
planta de Molibdeno, filtración y espesamiento de relaves. Se obtiene como producto
principal concentrado de Cobre y como subproducto concentrado de Molibdeno.
El proceso de molienda, que se presenta en este informe, comprende cinco secciones
independientes, cuatro de ellas formadas por circuitos convencionales de molinos de
barras y bolas, y la quinta sección constituida por un molino unitario.

Cada sección convencional está formada por dos molinos de barras (molienda
primaria) de 10 pies de diámetro por 14 pies de longitud los cuales operan en circuito
abierto, cada uno de ellos envía su descarga a la alimentación de tres molinos de
bolas (molienda secundaria) de 10.5 pies de diámetro por 13 pies de longitud los
cuales operan, de manera independiente, en circuito cerrado con un ciclón D26. En la
molienda convencional se procesa aproximadamente el 80% del mineral alimentado
a la planta.
 27

Figura 3.1. Diagrama de Flujo Molienda Convencional.

La quinta sección de molienda está conformada por un molino unitario de

bolas de 21 pies de diámetro por 33.5 pies de longitud que trabaja en circuito cerrado
con una batería de 8 ciclones D26. En esta sección de molienda se procesa
aproximadamente el 20% del mineral alimentado a la planta. (Figura 3.2)

Figura 3.2. Diagrama de Flujo Molienda Unitaria.

La molienda entrega un producto en el rebose de ciclones con un P80 de 180 a

190 micrones que equivale aproximadamente 16% acumulado retenido sobre la
malla +65.
 28

3.2. Equipos y Función dentro del Proceso

En la tabla 3.1 se listan los equipos que se tiene implementado en la etapa de

molienda así como las señales de monitoreo y de control hacia el DCS y los lazos de
control que lo conforman.

La planta tiene varias décadas funcionando por lo que su instrumentación es

básica sobre todo en los circuitos de molienda barras-bolas donde se tiene del espacio
requerido para colocar flujómetros en la alimentación a los hidrociclones o
densímetros. Sin embargo en el circuito de la molienda unitaria; que fue parte de una
expansión; se tuvieron las consideraciones de instrumentación de campo acorde a la
tecnología de esos años por lo que estos inputs serían muy importantes para la etapa
de implementación del Sistema Experto.

Mención aparte tiene los splitters; distribuidores de pulpa hacia los 3 molinos
de bolas; de estos dependía que la pulpa sea homogéneamente distribuida a los
molinos, se identificó que un desnivel de los cajones de paso podían influir
considerablemente en el % sólidos y por ende en la distribución de carga, pudiendo
ser generador de eventos de sobrecarga o descarga. Por la zona y la exposición a la
alta abrasión de la pulpa no se encontraba un sensor robusto que diera el feedback de
la posición del actuador.
 29

Tabla 3.1. Equipos Circuitos Barras-Bolas.

Señales de monitoreo Señales de control al
Unidades Lazos de control
al DCS DCS
nivel de la tolva
Tolva de finos 32 - -
(sensor de

Fajas
16 status running start/stop -
transportadoras con
variadores por cada
tolva. feedback %velocidad %out al variador del
16
del variador motor
Fajas
transportadoras sin
16 status running start/stop -
variadores por cada
tolva.
16 status running start/stop -
Lazo de control de
Fajas alimentadoras Tonelaje al molino de
al Molino barras, se actúa sobre
8 pesómetro -
el %out de los
variadores de las fajas
de cada bin.
Splitters
(Distribuidores de 8 - %out del actuador -
pulpa)
1 status running start/stop -
Potencia del molino
1 - -
Molino de Barras Lazo de control de
Flujo de agua que agua en cascada con el
1 %out válvula de agua
ingresa al molino %sólidos que ingresa
el operador.
3 status running - -
3 Potencia del molino - -
Flujo de agua que
Molino de Bolas Lazo de control con el
ingresa con el flujo
3 %out válvula de agua Set Point que ingresa
under de los
el Operador.
hidrociclones
Lazo de control con el
Flujo de agua al cajón
3 %out válvula de agua Set Point que ingresa
de las bombas
el Operador.
Cajones de las Lazo de control en
bombas Nivel de llenado de cascada, se actúa
3 los cajones de las - sobre el %out del
bombas variador del motor de
la bomba.
Frecuencia de los
%out variador del
Bombas de 3 variadores de los -
motor de la bomba
alimentación a los motores de las bombas
hidrociclones
Amperaje del motor
3 - -
de la bomba
Presión de
Hidrociclones 3 alimentación al - -
hidrociclón
 30

Tabla 3.2. Equipos Circuito Molienda Unitaria.

Señales de monitoreo Señales de control al
Unidades Lazos de control
al DCS DCS
nivel de la tolva
Tolva de finos 4 - -
(sensor de
Fajas 4 status running start/stop -
transportadoras con
variadores por cada feedback %velocidad %out al variador del
4
tolva. del variador motor
1 status running start/stop -
Lazo de control de
Tonelaje al molino de
Fajas alimentadoras
barras, se actúa sobre
al Molino 1 pesómetro -
el %out de los
variadores de las fajas
de cada bin.
1 status running start/stop -
1 Potencia del molino - -
Molino Unitario de Lazo de control de
Bolas Flujo de agua que agua en cascada con el
1 %out válvula de agua
ingresa al molino %sólidos que ingresa
el operador.
Lazo de control con el
Flujo de agua al cajón
1 %out válvula de agua Set Point que ingresa
de las bombas
el Operador.
Cajones de las Lazo de control en
bombas cascada, se actúa
Nivel de llenado del
1 - sobre el %out del
cajón de la bomba
variador del motor de
la bomba.
Frecuencia del
%out variador del
Bombas de 1 variador del motor de -
motor de la bomba
alimentación a los la bomba
hidrociclones Amperaje del motor
1 - -
de la bomba
Densímetro en la línea
1 que alimenta al nido - -
de hidrociclones
Flujómetro en la línea
1 que alimenta al nido - -
Nido de de hidrociclones
Hidrociclones Presión de
8 alimentación al - -
hidrociclón
Válvulas on/off de
8 apertura de pulpa para
cada hidrociclón
PSI
(Particle Size 1 %+65m - -
Indicator)
Tabla 3.3. Señales del DCS Circuito Molienda Bolas y Unitaria

GES Internal
Module Variable name Process Value Type R/W Tag Name Comment
/ External
Expert Heartbeat Out current value Integer External R/W Existent Alternate 0/1 sent to DCS from MEC
Communications
Expert Heartbeat In current value Integer External R Existent Alternate 0/1 sent to MEC from DCS
operator selection sent from Delta V to
Rod Feed Supervisory Mode
current value Integer External R New MEC; 0=MEC advisory, 1=MEC
Selector
supervisory
Expert Mode
operator selection sent from Delta V to
Cyclone Pump Speed Supervisory
current value Integer External R New MEC; 0=MEC advisory, 1=MEC
Mode Selector
supervisory
Stockpile Level current value Float External R Existent
Belt Conveyor 1 speed current value Float External R Existent current value of the speed of feeder 1
operator input: maximum value allowed
max Float External R New
for the speed of feeder 1
operator input:minimum value allowed
min Float External R New
for the speed of feeder 1
setpoint requested for the speed for
process sp Float External R Existent
feeder 2
expert setpoint request for the speed of
expert sp Float External R/W Existent
feeder 2
Belt Conveyor 2 speed current value Float External R Existent current value of the speed of feeder 1
operator input: maximum value allowed
max Float External R New
for the speed of feeder 1
operator input:minimum value allowed
min Float External R New
Feeders for the speed of feeder 1
setpoint requested for the speed for
process sp Float External R Existent
feeder 2
expert setpoint request for the speed of
expert sp Float External R/W Existent
feeder 2
Belt Conveyor 3 speed current value Float External R Existent current value of the speed of feeder 1
operator input: maximum value allowed
max Float External R New
for the speed of feeder 1
operator input:minimum value allowed
min Float External R New
for the speed of feeder 1
setpoint requested for the speed for
process sp Float External R Existent
feeder 2
expert setpoint request for the speed of
expert sp Float External R/W Existent
feeder 2
Belt Conveyor 3 speed current value Float External R Existent current value of the speed of feeder 1
operator input: maximum value allowed
max Float External R New
for the speed of feeder 1
operator input:minimum value allowed
min Float External R New
for the speed of feeder 1
setpoint requested for the speed for
process sp Float External R Existent
feeder 2
expert setpoint request for the speed of
expert sp Float External R/W Existent
feeder 2
F80 current value Float External R New current value of the feed F80, microns
current value of the feed topsize,
Split (Cameras) Topsize current value Float External R New
microns
high Float External R New operator input: coarse size, microns
kW current value Float External R Existent current value of Ball Mill power
operator input: desired process value for
target Float External R N/A
Ball Mill power
max Float External R New
min Float External R New
Water Addition process sp Float External R New setpoint requested for the BM Water
Ball Mill expert setpoint request for the BM
expert sp Float External R/W New
Water
current value Float External R New current value of the BM Water
operator input:maximum value allowed
max Float External R New
for the BM Water
operator input:minimum value allowed
min Float External R New
for the BM Water
Level current value Float External R Existent current value of cyclone pump box level
operator input:the limit at which operator
target Float External R Existent
takes action to correct
max Float External R New
min Float External R New
setpoint requested for the Process
Water Addition process sp Float External R Existent
Water Flow to Cyclone Feed Sump
expert setpoint request for the Process
Cyclone Pump expert sp Float External R/W New
Water Flow to Cyclone Feed Sump
Box
current value of the Process Water Flow
current value Float External R Existent
to Cyclone Feed Sump
operator input:maximum value allowed
max Float External R New for the Process Water Flow to Cyclone
Feed Sump
operator input: minimum value allowed
min Float External R New for Process Water Flow to Cyclone
Feed Sump
t i t t d f th l f d
 32

Tabla 3.3. (Continuación) Señales del DCS Circuito Molienda Bolas y Unitaria
Feed Sump
setpoint requested for the cyclone feed
Pump 1 & 2 Amps process sp Float External R Existent
pump speed
expert setpoint request for the cyclone
expert sp Float External R/W New
feed pump speed
current value of the cyclone feed pump
current value Float External R Existent
speed
operator input:maximum value allowed
max Float External R New
Cyclone Pumps for cyclone feed pump speed
operator input:minimum value allowed
min Float External R New
for the cyclone feed pump speed
Pump 1 & 2 Speed process sp Float External R Existent
expert sp Float External R/W New
current value Float External R Existent
max Float External R New
min Float External R New
Pressure current value Float External R Existent current value
target Float External R new operator input: Target value
max Float External R New
min Float External R New
Feed Flow current value Float External R Existent current value
target Float External R Existent operator input: Target value
Cyclone Pak
Feed Density current value Float External R Existent current value
target Float External R Existent operator input: Target value
Krebs Cyclone position Integer External R Existent current valve position open or closed
available Integer External R Existent available for use by expert system
status Integer External R Existent limit switch position
request to open/close Integer External R/W Existent Open or Close Request
65 mesh current value Float External R Existent current value of P80, microns
operator input: Target value for P80,
target Float External R Existent
microns
current value of percentage of minus 70
48 mesh current value Float External R Existent
microns
PSI operator input: Target value for
target Float External R Existent
percentage of minus 70 microns
current value of product topsize,
Topsize current value Float External R Existent
microns
operator input: Target value for product
target Float External R Existent
topsize, microns
 33

Tabla 3.4. Señales del DCS Circuito Molienda Barras

GES Internal /
Module Variable name Process Value Type R/W Tag Name Comment
External
Expert Heartbeat Out current value Integer External R/W Existent Alternate 0/1 sent to DCS from MEC
Communications
Expert Heartbeat In current value Integer External R Existent Alternate 0/1 sent to MEC from DCS
operator selection sent from Delta V
Rod Feed Supervisory
current value Integer External R New to MEC; 0=MEC advisory, 1=MEC
Mode Selector
supervisory
Expert Mode
operator selection sent from Delta V
Cyclone Pump Speed
current value Integer External R New to MEC; 0=MEC advisory, 1=MEC
Supervisory Mode Selector
supervisory
Stockpile Level current value Float External R Existent
Belt Conveyor 1 speed current value Float External R Existent current value of the speed of feeder 1
operator input: maximum value
max Float External R New
allowed for the speed of feeder 1
operator input:minimum value allowed
min Float External R New
for the speed of feeder 1
setpoint requested for the speed for
process sp Float External R Existent
feeder 2
expert setpoint request for the speed
expert sp Float External R/W Existent
of feeder 2
Belt Conveyor 2 speed current value Float External R Existent current value of the speed of feeder 1
operator input: maximum value
max Float External R New
allowed for the speed of feeder 1
operator input:minimum value allowed
min Float External R New
Feeders for the speed of feeder 1
setpoint requested for the speed for
process sp Float External R Existent
feeder 2
expert setpoint request for the speed
expert sp Float External R/W Existent
of feeder 2
Belt Conveyor 3 speed current value Float External R Existent current value of the speed of feeder 1
operator input: maximum value
max Float External R New
allowed for the speed of feeder 1
operator input:minimum value allowed
min Float External R New
for the speed of feeder 1
setpoint requested for the speed for
process sp Float External R Existent
feeder 2
expert setpoint request for the speed
expert sp Float External R/W Existent
of feeder 2
Belt Conveyor 4 speed current value Float External R Existent current value of the speed of feeder 1
operator input: maximum value
max Float External R New
allowed for the speed of feeder 1
operator input:minimum value allowed
min Float External R New
for the speed of feeder 1
setpoint requested for the speed for
process sp Float External R Existent
feeder 2
expert setpoint request for the speed
expert sp Float External R/W Existent
of feeder 2
F80 current value Float External R New current value of the feed F80, microns
Split (Cameras) current value of the feed topsize,
Topsize current value Float External R New
microns
high Float External R New operator input: coarse size, microns
Load current value Float External R Existent current value of the tonnage
operator input:the limit at which
high Float External R New
operator takes action to correct
kW current value Float External R Existent current value of the speed of feeder 3
operator input:the limit at which
high Float External R New
operator takes action to correct
setpoint requested for the Rod
Density process sp Float External R Existent
density
expert setpoint request for the Rod
expert sp Float External R/W New
density
current value Float External R Existent current value of the Rod density
Rod mill
operator input:maximum value
max Float External R New
allowed for the Rod density
operator input:minimum value allowed
min Float External R New
for the Rod density
the current value of the water flowrate
Rod Inlet Water flow Float External R Existent
to the Rod inlet
Flow SP Float External R Existent
operator input: minimum water
low Float External R New
flowrate allowed for Rod inlet water
the % output of the Rod inlet water
output Float External R Existent
valve
Distributor splitter location Current value Existent
Load Distribution Process SP New
Expert SP New
 34

Tabla 3.4.(Continuación) Señales del DCS Circuito Molienda Barras

p
kW current value Float External R Existent current value of Ball Mill power
operator input: desired process value
target Float External R N/A
for Ball Mill power
Water Addition process sp Float External R New setpoint requested for the BM Water
expert setpoint request for the BM
expert sp Float External R/W New
Ball Mill Water
current value Float External R New current value of the BM Water
operator input:maximum value
max Float External R New
allowed for the BM Water
operator input:minimum value allowed
min Float External R New
for the BM Water
current value of cyclone pump box
Level current value Float External R Existent
level
operator input:the limit at which
target Float External R Existent
operator takes action to correct
max Float External R New
min Float External R New
setpoint requested for the Process
Water Addition process sp Float External R Existent
Water Flow to Cyclone Feed Sump
expert setpoint request for the
Cyclone Pump
expert sp Float External R/W New Process Water Flow to Cyclone Feed
Box
Sump
current value of the Process Water
current value Float External R Existent
Flow to Cyclone Feed Sump
operator input:maximum value
max Float External R New allowed for the Process Water Flow
to Cyclone Feed Sump
operator input: minimum value
min Float External R New allowed for Process Water Flow to
Cyclone Feed Sump
setpoint requested for the cyclone
Pump A Hertz process sp Float External R Existent
feed pump speed
expert setpoint request for the
expert sp Float External R/W New
cyclone feed pump speed
current value of the cyclone feed
current value Float External R Existent
pump speed
operator input:maximum value
max Float External R New
allowed for cyclone feed pump speed
operator input:minimum value allowed
min Float External R New
for the cyclone feed pump speed
Pressure current value Float External R Existent current value
target Float External R new operator input: Target value
Cyclone Pak
max Float External R New
min Float External R New
Figura 3.3. P&ID Molienda Unitaria.
 CAPITULO IV
IMPLEMENTACIÓN DEL SISTEMA EXPERTO
EN EL PROCESO DE MOLIENDA

4.1. Bridge

Es el programa de comunicación que intercambia datos del DCS (Infi90 de

ABB) al Sistema Experto (Plataforma G2-Gensym). La interfase es una herramienta
orientada a red para el desarrollo de interfaces o puentes entre el Sistema Experto
de tiempo real y otros sistemas externos; dicho puente permite el mapeo de
variables en una base de conocimientos a puntos de datos del sistema de control.

4.2. Molienda Convencional

La premisa básica tanto para la Molienda Convencional y la Molienda

Unitaria es que las condiciones de sobrecarga o sobreflujo deben direccionarse y
satisfacerse antes de que pueda ocurrir alguna optimización del proceso, por lo tanto,
el sistema intentará mantener las variables de control en sus respectivos objetivos,
haciendo los cambios en las variables manipuladas.

El Sistema Experto basa su operación en el análisis de reglas que han sido

evaluadas por los diferentes Departamentos de la Concentradora: Operaciones,
Control de Procesos y Metalurgia, las mismas que han sido expresadas en el Sistema
Experto como lógica difusa.
 37

La regla es la forma más común de representar el conocimiento por su gran

sencillez y por ser la formulación más inmediata del principio de causalidad (causa-
efecto). Una regla consta de un conjunto de acciones o efectos y la potencia de una
regla es función de la lógica que admita en las expresiones de las condiciones y sus
conclusiones
Estas reglas deberán ser evaluadas (scan) cada tiempo “t” definido para la
regla en mención y esto debido a que se tiene que esperar la respuesta del lazo de
control y la respuesta de la variable a evaluar (de este modo evitamos tomar acción
cuando se está rumbo a la estabilización), el proceso de definición de estos tiempos
se llama “Sintonía Gruesa y Sintonía Fina”.

Se utiliza lógica difusa para manejar de manera adecuada diversos escenarios

de una misma variable, e.g. si la granulometría está baja, entonces el tonelaje podrá
ser incrementado en cierto grado observando a la vez otras variables: perturbación de
la presión de alimentación a los hidrociclones, niveles de cajón, frecuencia de la
bomba, etc.

Para la molienda convencional el incremento o reducción del tonelaje

procesado depende principalmente de la pendiente del valor del consumo de energía
de los molinos de bolas la cual es revisada por el sistema cada 600 seg. Por ejemplo
si la pendiente es positiva significa que el molino se está descargando y por ende se
puede incrementar el tonelaje, en caso contrario con pendiente negativa el molino se
estaría sobrecargando y se reduciría el tonelaje alimentado para evitar problemas
operativos como la generación de un producto grueso para la flotación.

Un factor importante en el Sistema Experto de la molienda convencional es la

distribución de pulpa en la descarga del molino de barras para alimentar a los
molinos de bolas. Para esto el Sistema Experto evalúa la desviación estándar de la
población de datos de las variables: frecuencia de la bomba del ciclón, nivel de cajón
de la bomba y la presión al ciclón de clasificación, en los últimos 300 seg. En el caso
de que alguna de las anteriores variables superen sets definidos, el Sistema Experto
ejecuta una regla que considera corregir el estado de sobrecarga de cada molino y por
 38

ende redistribuye la carga hacia los otros molinos de bolas; en el caso que la
sobrecarga se presente en 2 o 3 molinos a la vez, el Sistema Experto considera
ejecutar una disminución del tonelaje procesado. La pantalla general contiene los
lazos de control, elementos de campo y los flujos de procesos, así como las entradas
y salidas hacia el APC (Advanced Controller) que es el controlador para una
determinada semi-sección. (Figura 4.1)
Figura 4.1. Esquemática principal para una semisección de la Molienda Convencional.
 4.3. Molienda Unitaria

En el caso del molino unitario los incrementos o reducciones son evaluados

por la granulometría que entrega en línea el Analizador de Tamaño de Partículas,
posteriormente observa el consumo de energía del molino, luego evalúa el amperaje
de la bomba de ciclones. Para la condición de decremento de tonelaje el Sistema
Experto además de lo mencionado también evalúa la condición de carga circulante y
el agua al cajón de descarga del molino, esto debido al criterio de maximizar el
procesamiento y reducir el tonelaje sólo en condiciones muy necesarias. (Figura 4.2)
Figura 4.2. Esquemática Principal para la Molienda Unitaria.
 4.4. Equipos Instalados Para la Implementación del Sistema Experto

Con la finalidad de implementar el sistema experto en la molienda de la

Planta Concentradora las siguientes facilidades fueron implementadas:

• Actuadores para los brazos de los splitters distribuidores de carga desde los
molinos de barras hacia los molinos de bolas, 2 por cada molino de barras para
distribuir la pulpa a los 3 molinos de bolas. Comunicación de sus estados y control
de los mismos desde la consola de operación DCS.
• Válvulas y flujómetros en las líneas de agua recuperada a la descarga de los
ciclones de clasificación.
• Se habilitaron a través de un adecuado mantenimiento los sensores de presión de
la línea de alimentación de pulpa a los ciclones.

Además se utiliza en el Sistema Experto instrumentación que ya se tenía

implementada (la cual fue sometido a un plan de mantenimiento para incrementar su
disponibilidad y confiabilidad), actuadores como los variadores de velocidad de las
bombas de ciclones, variadores de velocidad de los alimentadores de mineral y
analizador de tamaño de partículas (PSI: Particle Size Indicator).

4.5. Condiciones de Operación Requeridas para Sistema Experto Online

 El Operador de Cuarto de Control de Molinos deberá de visualizar en el HMI

(Human Machine Interface) que el tonelaje de la Tolva de Finos sea mayor a
7000 ton. en caso contrario el Sistema Experto no deberá ser puesto Online.
Hasta la finalización de este procedimiento se está evaluando que este análisis
de tolva sea por semi-sección de molinos (para este se debería de tener
garantizado que los sensores de nivel estén bien calibrados y no generen
confusión) o que siga siendo un punto a consideración de Operaciones puesto
que el nivel de tolva será variable para cada sección.
 43

Figura 4.3. Tolva de Finos Requerida para SE Online

 Si algún sensor (sensor de nivel de cajón, sensor de presión de alimentación

al hidrociclón, etc), válvula (agua de cajón, agua en el cajón underflow, etc.)
u otro actuador (splitters) se encontrara deshabilitado ya sea por parte de
Personal de Instrumentación o Mecánicos, el Sistema Experto no debe ser
puesto Online. El Sistema Experto trabaja en base a la información de la
operación que recibe a través de los diversos instrumentos mencionados
líneas arriba, la ausencia de algún dato ocasionará que el Experto no pueda
tomar la mejor decisión, pudiendo incluso perjudicar a la operación.

 En la figura 4.3 se observa una parte del Resumen de Operaciones de la

Concentradora, este fue diseñado en la herramienta Process Book del System
PI (Plant Information) que brinda información en tiempo real de las
principales variables operativas, este sistema tiene una interfaz que se
comunica con el DCS. De este modo se tiene los balances de mineral para
programar la producción diaria.
Figura 4.4. Señales de Campo en buena calidad al DCS.
 Los días miércoles y domingos que se realiza el carguío de barras el Sistema
Experto debe ser retirado cuando se realice este procedimiento. Una vez
realizado el carguío en una semi-sección, el Sistema Experto no debe ser
puesto Online hasta pasado 20 minutos, este se hace con el objetivo de dar
tiempo para ESTABILIZAR la Operación (el Experto deberá ser puesto
Online siempre bajo condiciones de estabilidad).

 En la figura 4.5 se observa que hubo una parada de las fajas que alimentan de
mineral al molino de barras (Tag: WIC_3310_PV en rojo) para realizar el
carguío de barras, el molino de bolas 3A1 experimenta una reducción de su
flujo de pulpa y por ende se ven perturbados las variables de nivel del cajón
de la bomba (Tag: LIC_3335_01_C33 en rosado), para tratar de mantener el
nivel de dicho cajón el variador de la bomba (que está en modo cascada)
disminuye su frecuencia (Tag: SIC_3335_01_PV_C33 en verde) y como se
bombea menos carga la presión con la que se alimenta el hidrociclón
disminuye (Tag: PIT_3335_01_C33 en amarillo)
 46

Figura 4.5. Estabilidad para SE Online

 Modo Campo del variador: se define así al control que se realiza al variador
desde el mismo panel eléctrico de este, para ello se tiene un selector
CAMPO/SISTEMA, en este caso todas las lógicas de protección o
enclavamientos por proceso sufren un by-pass. Generalmente es usado para
trabajos de mantenimiento o cuando por alguna razón el DCS ha perdido
comunicación con los buses de campo.

 Si un variador está en Modo Campo el Sistema Experto no deberá ser puesto

Online. El Sistema Experto no entrega un Set Point al lazo de control de nivel
de cajón sin embargo es importante que funcione en Modo Sistema: la
perturbación de dicho lazo es muy importante, de lo comentado de la figura
4.5 se podría entender que la perturbación de los lazos de control puede ser
explicada como la desviación estándar de estas variables (tomando una
 47

muestra de datos en un rango “t”) y ello indicaría que se está identificando un

evento de sobrecarga, descarga del molino o evidenciar la probabilidad de un
acordonamiento (esto se revisó y comprobó durante la etapa de recolección de
datos).

Figura 4.6. Variador de la Bomba que Alimenta al Hidrociclón

 Si el Operador observara que un lazo de control no está funcionando

correctamente no deberá poner Online el Sistema Experto. El Sistema
Experto como se ha definido anteriormente trabaja sobre la base de una buena
Instrumentación de Campo y adecuado Sistema de Control, si esto no
ocurriera el Experto tomaría decisiones herradas perjudicando a la Operación.
El correcto desempeño de un lazo de control se basa en una buena sintonía y
esta deberá ser realizada cada vez que se da una intervención mecánica o de
instrumentación sobre el actuador de dicho lazo de control o algún otro
equipo asociado a su trabajo (válvulas de agua, limpieza de cajón, limpieza de
tuberías, etc.)
 48

Figura 4.7. Buena sintonía de los lazos de control.

 En la figura 4.7 se puede apreciar el efecto negativo de una sintonía del lazo
de control del nivel de cajón, no sólo afecta al PV (Process Value) de la
variable sino que impacta sobre la presión de alimentación al hidrociclón
generando mucha inestabilidad y una ineficiente clasificación incluso
pudiendo generar un acordonamiento.

4.6. Puesta en Línea del Sistema Experto

 El Operador de Cuarto Control Molinos habiendo realizado el punto:

CONDICIONES DE OPERACIÓN A EVALUAR ANTES DE EXPERTO
ONLINE y estando todo conforme dará click en los botones para habilitar los Lazos
de Control y luego habilitar el Experto. (Se recuerda que para que el Sistema Experto
funcione deberá de darse click en el Lazo respectivo y en el botón general). En la
 49

figura 4.8 se muestran los botones de habilitación de cada lazo de control, esto
coloca al respectivo lazo en modo cascada (en este modo el Sistema Experto
escribirá el Set Point) y las habilitación general, en caso de emergencia bastará con
presionarlo para pasar al modo automático del lazo con los últimos set points,
además se deberá de ingresar los valores máximos y mínimos para las principales
variables acordes a la operación.

Botón de
Habilitación

Lazos de
Control

Figura 4.8. Sistema Experto Online

 El Operador deberá seleccionar en base a su experiencia y la información de

campo el Tipo de Mineral con los cuales el Experto seleccionará sus valores de
cambio y parámetros de evaluación, un valor referencial para este análisis es el Work
Index.
 50

Figura 4.9. Work Index

Para la Molienda Convencional se tienen tres tipos de mineral:

- Menos Duro
- OK
- Duro
Para la Molienda Unitaria se han definido dos tipos:
- Menos Duro
- Duro

Molienda Unitaria

Molienda
Convencional

Figura 4.10. Tipos de Mineral

 51

4.7. Reglas del Sistema Experto.

4.7.1. Sistema Experto Molienda Convencional.

o El Sistema Experto en la Molienda Convencional considera la

siguiente jerarquía para el scan (revisión) de reglas:

Figura 4.11. Jerarquía de Control

Regla Inoperativo: Esta regla verifica que el molino de barras de la semi-

sección este operativo.
 52

Regla Sobrecarga Botón: Esta regla se gatilla cuando el Operador de Cuarto

de Control presiona uno de los botones de CARGADO en la consola de
control.

Figura 4.12. Botón Sobrecarga

Las acciones que se ejecutarán según el botón para el molino que se presionó
son las que se muestran:

Figura 4.13. Sets Defuzzy en Botón Sobrecarga

 53

En estas se muestran los sets Defuzzy que se ejecutan. Para este caso se
presionó el botón de cargado para el molino 1A1 y se ejecutan los sets:
• PID-WATER-SUMP-MOLINO-01-1A-CTRL-DEC
• 1A-SPLITTER-SUR-DEC-FAST
Estos sets se interpretan numéricamente en los siguientes cuadros para los tres
tipos de mineral:
• PID-WATER-SUMP-MOLINO-01-1A-CTRL-DEC

Figura 4.14. Conjunto Defuzzy de Agua Cajón

Lo que significa que para el set PID-WATER-SUMP-MOLINO-01-1A-

CTRL-DEC el agua cajón del molino 1A1 disminuirá hasta 20gpm, para los
otros tipos de mineral en este caso será el mismo valor.
 54

• 1A-SPLITTER-SUR-DEC-FAST

Figura 4.15. Conjunto Defuzzy de Splitter Sur

• Lo que significa que para el set 1A-SPLITTER-SUR-DEC-FAST el Splitter Sur

del molino 1A1 disminuirá hasta 6 puntos en mineral suave, hasta 5 puntos en
mineral OK y hasta 3 puntos para mineral duro. En este set nos damos cuenta de
la importancia de la selección del tipo de mineral.

4.8. Regla Sobrecarga

Esta regla se gatilla cuando el Sistema Experto detecta una perturbación en

una de las siguientes variables:
- Frecuencia del variador de la bomba que alimenta al hidrociclón.
- Nivel de cajón de la bomba.
- Presión de alimentación al hidrociclón.
 55

Matemáticamente lo que el Experto evalúa es la Desviación Stándard que

experimentan dichas tendencias.

Figura 4.16. Evento Sobrecarga

En este gráfico se puede apreciar la alta perturbación que sufren estas tres
variables. Durante la etapa de desarrollo del Sistema Experto se experimentó y
se concluyó que cuando se presenta una situación de acordonamiento o atoro del
hidrociclón esta perturbación se incrementa como resultado de la inestabilidad
que se genera en este circuito; si el hidrociclón comienza a atorarse se visualiza
en la tendencia que esto no ocurre en un solo instante, previamente este entrará
en una secuencia de cerrado y apertura de la descarga de underflow, la presión
empieza a incrementarse y disminuir, como consecuencia el nivel del cajón
también experimentará inestabilidad y el lazo de control de nivel de cajón de la
bomba buscará llevarlo a su Set Point definido variando para esto la salida del
variador de dicha bomba.
 56

Pero este evento no sólo podría presentarse en una condición de atoro, se

describen otros eventos:

- El cajón de la bomba podría estar obstruido por bolas de acero, en la zona de

descarga, también por trapos u otro material que impida el libre flujo de la pulpa a la
bomba, volviéndolo irregular. Por esta razón es importante que Operaciones realice
la limpieza de los cajones como mínimo una vez al mes, se han presentado ya varios
casos en los que limpiando el cajón se corrigió la perturbación de dichas tendencias.

- El sensor de nivel del cajón esté sucio, la pulpa interfiera en la lectura de nivel,
esta limpieza debería de ser realizada por Operaciones hasta diariamente, si el lazo
de control de nivel está en automático ocasionará que la frecuencia de la bomba esté
en constante cambio, pudiendo llegar a los valores de alarmas por nivel de cajón alto.

- El sensor de nivel de cajón este fallando, si el Operador de campo en

coordinación con el Operador de Cuarto de Control verifican que el nivel mostrado
en la consola de control no corresponde a campo entonces Operaciones deberá de
reportar a Instrumentación para que sea intervenido dicho sensor, de igual manera
que en el viñeta anterior, el lazo de control ejecutará una acción errónea.

- Se ha tenido experiencias en las cuales el desgaste del apex del hidrociclón ha

ocasionado perturbación en el trabajo de la bomba, si el Operador en su inspección se
da cuenta que alguna parte del hidrociclón está desgastada o rota comunicará a su
Supervisión para que esta coordine con el Departamento de Metalurgia para las
pruebas respectivas, en caso se determine su reemplazo, este será efectivo por parte
de Mantenimiento Mecánico.

- Si la sintonía del lazo de control se encuentra deteriorada debido a algún cambio

realizado en campo sobre alguno de los constituyentes de dicho lazo (sensores,
limpieza de cajón, motores), en este caso se deberá de comunicar a Control de
Procesos.
 57

Después evalúa para el molino que presenta la sobrecarga cual fue la causa (cuál
de las variables anteriormente comentadas esta perturbada).

Figura 4.17. Señales a evaluar en Lógica Sobrecarga

A continuación se muestran los Sets Fuzzy para una variable:

Figura 4.18. Conjunto Fuzzy Varianza Hz

 58

Reglas a ejecutarse:
Se muestra la lógica en el entorno de desarrollo del Sistema Experto.

Figura 4.19. Lógica Sobrecarga

Se observa que cada puerto se activa de acuerdo a una condición y esto generará
finalmente la acción final sobre el Set Point del respectivo lazo de control.
Se muestran los Set Defuzzy (acciones a ejecutarse sobre los lazos de control):
 59

Figura 4.20. Sets Defuzzy en Lógica Sobrecarga

Para el caso en que un valor verdadero llegue al puerto 0 y 1 por haberse definido
como Sobrecargado al Molino 1A1 se ejecutarán las reglas:

- PID-WATER-SUMP-MOLINO-01-1A-CTRL-DEC-SLOW: Disminución del

set point del agua al cajón hasta un valor de 8 gpm para los tres tipos de mineral.
- PID-RM-CIRCUIT-1A-FEED-FAJA-9B-CTRL-DEC-SLOW: Disminución del
set point de tonelaje hasta 1 ton/h en mineral suave, 2 ton/h en mineral normal y
hasta 4 ton/h en mineral duro.
- PID-AGUA-MOLINO-01-1A-CTRL-INC: El set point del agua del cajón under
se incrementará hasta en 4 gpm para cualquiera de los tipos de mineral.

Si en caso se activara el puerto 2 (por definición de Sobrecarga del molino 1A3)

se ejecutaría la regla:
1A-SPLITTER-SUR-DEC-FAST: El set point del splitter sur disminuiría hasta en 6
puntos para mineral suave, 4 puntos para mineral normal y 3 puntos para mineral
duro.

Si en caso se activara el puerto 3 (por definición de Sobrecarga del molino 1A2)

se ejecutaría la regla:
 60

PID-RM-CIRCUIT-1A-FEED-FAJA-9B-CTRL-DEC: El set point del Tonelaje

disminuiría hasta en 2 ton/h para mineral suave, 3 ton/h para mineral normal y 6
ton/h para mineral duro.

4.9. Regla Descargado

Esta regla se gatilla cuando el Operador presiona el botón de Descargado para

un molino de bolas, esto con la intención de incrementar la carga hacia este
molino debido a que el Operador de campo considera que el hidrociclón tiene
disponibilidad de procesamiento.

Figura 4.21. Activación Lógica Descargado

 61

Se muestra la lógica en el Sistema Experto:

Figura 4.22. Lógica Descargado

Y dentro del bloque se podrán ejecutar las siguientes acciones:

Figura 4.23. Conjuntos Defuzzy para activarse

 62

Vamos a interpretar esta lógica:

o Si el Operador presiona el botón DESCARGADO los puertos 0 y 1 se
habilitan ejecutándose los Sets Defuzzy:
1A-SPLITTER-SUR-DEC
1A-SPLITTER-NORTE-DEC
o Si adicionalmente la tendencia del Consumo de Energía de los otros dos
molinos de bolas (en este caso los molinos 1A1 y 1A2) presentará una
pendiente positiva entonces se habilitaría la regla:
o PID-RM-CIRCUIT-1A-FEED-FAJA-9B-CTRL-INC-SLOW
Que incrementará el set point del tonelaje del Molino de barras.
Después de 20 seg. el botón de DESCARGADO se habilitará nuevamente y
podrá ser presionado si fuera necesario.
Figura 4.24. Esquemática principal para una semisección de la Molienda Convencional.
 64

Figura 4.25. Esquemática principal para la Molienda Unitaria.

 CAPITULO V
RESULTADOS

En la tabla 5.1 se muestran las variables más importantes con las que se
evaluó el beneficio de la implementación del Sistema Experto, el año 2007
representa la operación sin el Sistema Experto y el 2008-2009 con la implementación
de dicho sistema.

Tabla 5.1. Variables Operativas Sistema Experto.

Malla
Datos TMS/día WIB Malla+65
+1/2
2007
Enero 59,112 16.40 13.48 20.12
Marzo 57,824 15.58 14.13 19.94
Abril 58,473 14.11 13.79 20.06
Mayo 59,520 14.05 14.45 22.01
Promedio 58,732 15.0 14.0 20.5
2008-2009
Mayo 59,694 17.82 14.95 18.60
Junio 61,002 17.18 13.95 19.66
Noviembre 62,018 14.28 13.42 17.31
Diciembre 61,883 13.89 13.90 18.85
Enero 61,164 11.78 13.94 18.06
Promedio 61,152 15.0 14.0 18.5
 66

Se presenta a continuación la figura 5.1 en el que se observa la mejora dada

con el Sistema Experto en el tonelaje procesado y en la calidad de pulpa alimentada a
la flotación primaria expresada como porcentaje retenido sobre la malla +65.

Figura 5.1. Principales variables de evaluación de la implementación del Sistema

Experto. Valores antes y después de la implementación.

La implementación de este sistema ha demorado 1 año hasta la aceptación

final, tiempo en el cual se ha identificado las etapas de:
- Reconocimiento del proceso, obtención de diagramas de flujo y entrevistas con los
operadores a fin de recolectar su experiencia y llevarla a filosofías de control.
- Sintonía gruesa de los lazos de control.
- Sintonía fina de los lazos de control.
- Pruebas de optimización y de conformidad.
- Prueba final.

Es importante destacar que el Sistema Experto es una herramienta de apoyo

para las actividades de los operadores, estos ahora tendrán un papel más relevante en
aspectos de supervisión de este nuevo sistema.
 67

En la figura 5.2 se presenta el Boxplot con las principales variables a evaluar,

se evidencia el incremento de tonelaje procesado en la molienda.

Gráfica de caja de TMS, TMS/día, Malla +65m

1. Sin S.E. 2. S.E.
TMS TMS/día
62500
1900000
61023.9
1.81782e+006
1800000 60000
1.73327e+006
58254
1700000
57500

1600000
55000
Malla +65m
22

20.2163
20

18 17.9664

16
1. Sin S.E. 2. S.E.
Estado

Figura 5.2. Boxplot de evaluación de variables.

 CONCLUSIONES

 Se logró el objetivo del incremento del tonelaje en un 4.75% sin perjudicar el

producto para la siguiente etapa de flotación, la cual tiene como indicador el
%malla +65m habiendo esta disminuido también, conjuntamente con la
variabilidad de estas señales.

 Se está haciendo un mejor uso de los recursos de la empresa al optimizar su

funcionamiento.

 Los sistemas expertos se integran en el sistema de control de la planta para

asistir al operador en la detección de los casos en que las operaciones pudieran
salir fuera de control. El sistema experto detecta y diagnostica en forma continua
y aplica modelos de optimización en-línea.

 Las ventajas que presenta la aplicación de los sistemas de control avanzado

abarcan: el ahorro de energía, el aumento de capacidad de tratamiento, la
disminución del costo de operación y del costo de mantenimiento, y en términos
más amplios, la disminución del porcentaje del producto que no cumple las
especificaciones durante el procesamiento para los procesos aguas abajo.

 De acuerdo a estimaciones realizadas el incremento de 0.5% en el tonelaje diario

de la planta representaría una utilidad anual de aprox. US$ 2,083,000.00 (cálculo
realizado con una utilidad de US$ 1.00/lb de Cu y US$ 10/lb de Mo) lo cual
justifica con creces la implementación de este sistema experto en la molienda
convencional.
 69

 Para realizar un sistema experto integran dos personas el Experto del Dominio
(profesional de la especialidad) y un Ingeniero de Conocimiento (programador),
que estos van enlazar sus experiencias almacenándolos en la Base de
conocimientos que mediante la interface va a permitir al usuario llegar a
comunicarse con el motor de inferencia, el cual va a tomar la decisión de aplicar
todo lo almacenado en la base de conocimientos.

 Mayor flexibilidad para visualizar el estado de la planta desde su pantalla de

control. Los costos de mantenimiento de equipos si bien no disminuyeron se
optimizaron, fue necesario coordinar con Mantenimiento un plan de acción para
asegurar la disponibilidad de los instrumentos, sensores, actuadores, bombas,
revestimientos, etc.

 La continuidad y estabilidad del proceso se incrementó, esto ya era un punto de

mejora por sí mismo, dado que se tendría un producto más constante en
características para la siguiente etapa de flotación.

 Esta experiencia nos sirvió para implementar válvulas y flujómetros en el

ingreso de los molinos de bolas, mejorar los splitters, se perfeccionaron los
existentes. Se trabajó en coordinación con Mantenimiento a fin de ejecutar las
mejores prácticas para ambas áreas.

 Se consideraron mejoras para realizar las sintonías de los lazos de control y

realizar un mantenimiento regular a fin de garantizar un tiempo de respuesta
adecuado y estable ante una acción de modificación de algún set point de un lazo
de control.

 Situándonos en la Pirámide de Control, se subió al nivel de optimización con

sistemas de control, para este caso el Basado en Lógica Fuzzy, lo que permitió
aprender y ser los desarrolladores del proyecto
 BIBLIOGRAFÍA

1. GARCÍA SERRANO, ALBERTO, Inteligencia Artificial: Fundamentos,

Prácticas y Aplicaciones – Alfaomega. Edición 2013 – México.

2. OCS TRAINING COURSE, Curso de Control Avanzado – 2004 – Perú.

3. QUIÑONEZ M., S., LEON, C., BELTRÁN, L., Optimización de la Molienda

Mediante la Implementación de un Sistema Experto, PERUMIN 2009.

4. REYNOSO MEJIA, MARIO; MANRIQUEZ VALENCIA, VICTOR,

Aplicación de un Sistema Experto para Molienda en Plantas de Concentración.
Mexicana de Cananea S. A. 2000

5. SAMPER MÁRQUEZ, JUAN JOSÉ, Introducción a los Sistemas Expertos

[Link] – 2006

6. SLOAN, R., PARKER, S., CRAVEN, J., SCHAFFER, M. Expert Systems on

SAG Circuits: Three Comparative Case Studies, MinnovEX Technologies, Inc.

7. VIEJO HERNANDO, DIEGO, Sistemas Expertos - [Link]

[Link]. - 2003

8. Página WEB ABB PERU: [Link]