Title

ADVANCED GRINDING CONTROL STRATEGY – A MODEL-BASED APPROACH FOR PROCESS OPTIMIZATION

ADVANCED GRINDING CONTROL STRATEGY – A MODEL-BASED APPROACH FOR PROCESS OPTIMIZATION

Authorship

MARTINS, MARCO AURELIO SOARES; OLIVEIRA, TONIMAR MENDES DE; MARCIANO, NÁDIA GIOVANNA MARTINS; SILVESTRINI, JOÃO VITOR ASSIS; FERREIRA, KELLY CRISTINA; SOUZA, EDWIN WILKER CHAVES; GODOY, VALENTE OBARA

MARTINS, MARCO AURELIO SOARES

I am this author

OLIVEIRA, TONIMAR MENDES DE

I am this author

MARCIANO, NÁDIA GIOVANNA MARTINS

I am this author

SILVESTRINI, JOÃO VITOR ASSIS

I am this author

FERREIRA, KELLY CRISTINA

I am this author

SOUZA, EDWIN WILKER CHAVES

I am this author

GODOY, VALENTE OBARA

I am this author

DOI

10.5151/2594-357X-42488

Downloads

Abstract

Este artigo apresenta uma estratégia avançada de controle da moagem, baseada em simulação dinâmica combinada com inteligência artificial, lógica fuzzy e sistemas especialistas. A proposta busca estabilizar variáveis críticas do processo, otimizar o consumo de energia e garantir a qualidade do produto, mesmo em condições operacionais instáveis. Um dos principais diferenciais é o uso do OptGrade MicroSize, analisador online que mede continuamente a granulometria no overflow dos ciclones, permitindo ajustes imediatos nos setpoints operacionais. Complementarmente, o simulador OptSim, que utiliza modelos de balanço populacional e cinética de moagem, calcula em tempo real o balanço de massa do circuito, a carga circulante e a porcentagem de sólidos dentro do moinho. Essa última variável, geralmente difícil de medir diretamente, torna-se fundamental para o ajuste preciso da adição de água na alimentação do moinho. A abordagem resolve uma limitação comum dos circuitos de moagem, onde a medição na descarga é frequentemente imprecisa ou inexistente. A implementação desse controle baseado em modelo gerou ganhos expressivos em estabilidade operacional, eficiência energética, aumento de produção e desempenho na flotação, consolidando-se como uma solução robusta e inteligente para a otimização da moagem.

THIS PAPER PRESENTS AN ADVANCED GRINDING CONTROL STRATEGY BASED ON DYNAMIC SIMULATION MODELS COMBINED WITH ARTIFICIAL INTELLIGENCE, FUZZY LOGIC, AND EXPERT SYSTEMS. THE PROPOSED APPROACH AIMS TO STABILIZE KEY PROCESS VARIABLES, OPTIMIZE ENERGY CONSUMPTION, AND ENSURE PRODUCT QUALITY, EVEN UNDER HIGHLY VARIABLE OPERATING CONDITIONS. A KEY HIGHLIGHT IS THE USE OF THE OPTGRADE MICROSIZE, AN ONLINE PARTICLE SIZE ANALYZER THAT CONTINUOUSLY MEASURES THE CYCLONE OVERFLOW PARTICLE SIZE, ENABLING REAL-TIME ADJUSTMENTS OF OPERATIONAL SETPOINTS. IN ADDITION, THE USE OF THE DYNAMIC SIMULATOR OPTSIM, WHICH INCLUDES POPULATION BALANCE MODELS AND KINETIC GRINDING MODELS, ALLOWS REAL-TIME CALCULATION OF THE GRINDING CIRCUIT MASS BALANCE, CIRCULATING LOAD, AND, CRITICALLY, THE PERCENTAGE OF SOLIDS INSIDE THE MILL. THIS INTERNAL SOLIDS CONCENTRATION BECOMES A FUNDAMENTAL CONTROL VARIABLE FOR ADJUSTING THE WATER ADDITION AT THE MILL FEED, SOLVING A CHRONIC LIMITATION IN GRINDING CIRCUITS WHERE THE MEASUREMENT OF DENSITY OR SOLIDS IN THE MILL DISCHARGE IS TYPICALLY UNRELIABLE OR UNAVAILABLE. THE IMPLEMENTATION OF THIS MODEL-BASED CONTROL STRATEGY RESULTED IN SIGNIFICANT IMPROVEMENTS IN PROCESS STABILITY, ENERGY EFFICIENCY, THROUGHPUT, AND FLOTATION PERFORMANCE.

Keywords

Controle avançado, moagem, OptSim, OptGrade MicroSize

Grinding Control, Model-Based Strategy, Dynamic Simulation, Soft Sensors, Online Particle Size Analyzer, Fuzzy Logic, Industry 4.0