Detección de Fallas Operacionales y de Medición en Circuito de Tres Celdas de Flotación - C. Ramírez
Detección de Fallas Operacionales y de Medición en Circuito de Tres Celdas de Flotación - C. Ramírez
Detección de Fallas Operacionales y de Medición en Circuito de Tres Celdas de Flotación - C. Ramírez
n
[
P
s
i
]
Bits
Transductores I/P vlvulas de aire
V. Aire celda 1
V. Aire celda 2
V. Aire celda 3
simulador metalurgico como del algoritmo por varianzas
utilizado para deteccin de estado estacionario (Rhinehart,
1995). Microsofts Excel permite un registro de datos en
tiempo real mediante una conexin directa al Software
intouch previa programacin en visual basic.
4. Calibracin de la instrumentacin.
La evaluacin y correcto funcionamiento de las
condiciones generales de los equipos e instrumentacin
depende de una correcta calibracin e inspeccin de los
instrumentos involucrados. Es comn que la
instrumentacin industriales pierda efectividad en el
tiempo, por lo tanto, no aseguran la calidad y certeza de las
mediciones y actuaciones que son claves en el proceso. Por
lo tanto, previo a la implementacin del sistema de control
se evalu las condiciones de los equipos y se caracteriz y
calibr la instrumentacin de la siguiente manera:
i. Para la calibracin de los sensores de nivel
ultrasnicos se midi la distancia utilizando
huincha mtrica ajustando el valor mnimo en 4
[mA] y el mximo de la celda en 20 [mA].
ii. Para los medidores de flujo se caracteriz con
ayuda de un rotmetro.
iii. Para la caracterizacin de la bomba se envi
seales en dentro del rango de bits (0 a 32000) y
se midi el caudal mediante aforo, posteriormente
se ajust mediante el anlisis numrico de
mnimos cuadrados ponderados.
iv. Para verificar el correcto funcionamiento de las
bombas mediante un multitester se enviaron
seales de 0 y 32000 [bits] donde se verific si la
apertura o bloqueo total de estas coincida con 3 y
15 [psi] respectivamente.
Figura 3: Calibracin Vlvulas de aire.
Figura 4: Calibracin Bomba peristltica de alimetancin
5. Parametros de control.
Mediante el programa VersaPro se realiz la configuracin de
la lgica de funcionamiento para ser cargada en el PLC. La
parte ms importante corresponde a 6 bloques PID-IND, donde
se ingresaron parmetros proporcional e integral descartndose
el parmetro derivativo debido a que el uso de este es ms
adecuada cuando hay retraso entre el movimiento de la vlvula
de control y su repercusin a la variable controlada, no siendo
este el caso. En la siguiente tabla hace referencia a los
parmetros, obtenidos en un comienzo, mediante registro de
datos en lazo abierto con matlab y posterior uso de PID tool,
obtenindose parmetros de partida, luego segn ensayo y error
se definieron los siguientes parmetros para las 6 vlvulas de
control.
Tabla 3: Parmetros ingresados a bloques de control.
Flujo de aire Nivel de agua
Celda 1 P: 0 I: 0.33 P: 1.5 I: 0.5
Celda 2 P: 0 I: 0.33 P: 5.0 I: 0.010
Celda 3 P: 0 I: 0.33 P: 1.75 I: 0.010
6. Modelacin y simulacin
6.1 Caracterizacin individual de cada celda.
Para efectos de modelado, anlisis y correcta
implementacin del simulador es necesario identificar dos
zonas importantes en cada una de las celdas, la zona de
coleccin y la zona de limpieza (espuma). En la primera
mencionada es donde se forma el agregado partcula-
burbuja y llevado a la interface pulpa-espuma. En la zona
de limpieza localizada entre la interfaz de pulpa-espuma y
el desbordamiento de concentrado, donde existe la
0 0.5 1 1.5 2 2.5 3 3.5
x 10
4
0
1
2
3
4
5
6
7
8
9
Bits
C
a
u
d
a
l
[
]
Datos
Reg ponderada
Reg no ponderada
posibilidad de que partculas arrastradas vuelvan a la zona
de coleccin, por lo tanto esta zona se describe segn la
recuperacin de espuma.
(1
)
(1)
La ecuacin n1 describe la recuperacin global por celda
(Rg), relacionando esta segn la recuperacin en la zona de
coleccin (Rc) y la zona de limpieza (Rf), esta relacin
proviene del balance general de masa en torno a la celda.
(Finch y Dobby, 1990;. Finch et al, 2008).
6.2 Zona de coleccin.
La recuperacin de mineral en esta zona (Rc) puede ser
descrita en general por la ec. n2. (Polat y Chander,2000;.
Yianatos, 2007)
(1
)()() (2)
Para la recuperacin en la zona de espuma R
MAX
representa
la mxima recuperacin por flotacin en un tiempo infinito,
E(t) corresponde a la funcin de distribucin de tiempo de
residencia para un proceso continuo, por otro lado F(k) es
la funcin de distribucin de constantes cinticas para cada
especie. El modelo considera la recuperacin de mineral
como proceso con cintica de primer orden.
Para la distribucin de tiempos de residencias, se considera
la expresin mostrada en la ecuacin n3, que considera
una distribucin de tiempos de residencia de primer orden
(Yianatos, 2005).
() =
1
(3)
Para la funcin de distribucin de constante cinticas para
cada especie se consider el modelo rectangular de Klimpel
(1980)
() =
1
, 0 < <
,
0 , >
,
(4)
Si se asocian las ecuaciones presentadas e integrando la
ecuacin n2 se obtiene una expresin final simplificada
que simula a la recuperacin en la zona de coleccin.
(Yianatos, 2006)
1
ln(1
(5)
6.3 Zona de limpieza.
La zona de limpieza fue caracterizada segn las principales
variables que afectan la recuperacin de mineral, siendo
estas la altura de espuma, el flujo de aire (o velocidad
superficial del gas, J
g
[cm/s]), Rmax y tiempo de
residencia, segn la siguiente ecuacin usualmente
empleada (Gorain et al.,1998; Mathe et al., 1998; Zheng et
al., 2004):
,
=
(6)
De la ec. n6 se comenta que corresponde a la
recuperacin mxima en la zona de coleccin,
corresponde al factor de estabilidad de la espuma y
f
corresponde al tiempo de residencia del gas en la espuma
de la celda ensima. Debido a que las tres celdas poseen las
mismas caractersticas los parmetros son equivalentes para
cada una de ellas. Se observa que a menor tiempo de
residencia del gasse logra maximizar la recuperacin de
mineral. El trmino
f
viene dado segn la ecuacin n9
(Yianatos et al., 2008):
,
=
(7)
Donde H
f,n
es la altura de espuma y
g
corresponde al hold-
up.
6.4 Recuperacin de agua.
Para fines de simulacin, el modelo utilizado para la
recuperacin de agua, definiendo esta como la cantidad de
agua que se obtiene en el concentrado en la celda ensima
sobre la cantidad de agua que ingresa a esta, fue
determinado de forma emprica (Yianatos y Bergh ,2012)
en funcin de la altura de espuma, el factor de estabilidad
de la espuma y velocidad superficial del gas para cada
celda.
,
=
(8)
En la ec. N8, corresponde a la mxima recuperacin de
agua, adems y son parmetros de ajuste..
6.4 Recuperacin de Ganga.
Durante el proceso de flotacin existe la posibilidad de que
ganga (mineral sin valor) sea arrastrada por el agua desde
la zona de coleccin a la zona de limpieza por lo tanto la
recuperacin de ganga est directamente relacionada con la
recuperacin de agua en la celda ensima, mediante la
siguiente expresin (Yianatos y Contreras, 2010):
,
(9)
Donde EF
i
corresponde al factor de arrastre por clase de
tamao, obtenido de manera emprica.
6.5 Obtencin de la ley de cobre en el concentrado.
Por definicin la ley se define como una medida que
describe el grado de concentracin de recursos naturales
valiosos (metales o minerales), disponibles en la mena, es
decir como la fraccin de material til contenido en el
concentrado. La expresin para la celda ensima se
presenta segn (Yianatos, 2005):
,
=
(10)
7. Deteccin de estado estacionario
Debido a que el simulador metalrgico funciona slo en
estado estacionario, surge la necesidad de un test en lnea
de deteccin del estado del sistema. (Rhinehart, 1995)
propuso un mtodo que consiste en calcular la varianza de
una variable de proceso mediante dos mtodos diferentes.
Idealmente si el proceso se encuentra en estado
estacionario ambas varianzas calculadas por mtodos
diferentes debieran arrojar el mismo valor y por la tanto la
razn entre ellas debiera ser igual a 1. En la razn entre las
varianzas, el numerador es estimado a partir de
desviaciones entre informacin individual y valores
filtrados, mientras que el denominador es estimado de
desviaciones entre informacin sucesiva
2
1 (11)
Segn Rhinehart, la relacin de varianzas puede ser
calculada de la siguiente manera:
= (2
2
(12)
Segn literatura, un valor aceptable para
es de 1.6, por lo
tanto mediante mediciones del sistema se ajust los valores
de
2
y adems disminuir el valor de
3
recomendado a la
mitad, siguiendo una tendencia parecida a
2
lo que se
traduce en un menor valor de
1
2
3
0.01 0.02 0.05
Figura 5: Estadsticos auxiliares para deteccin de estado
estacionario
Figura 6: comportamiento r
3
con = 0.05
8. Mtodo de anlisis de componentes
principales:
El mtodo PCA es una tcnica utilizada para reducir la
dimensionalidad de un conjunto de datos siendo til la
tcnica para hallar las causas de la variabilidad de un
conjunto de datos. La aplicacin de mtodos estadsticos
multivariados, y en particular PCA, es una herramienta
para construir modelos lineales que contienen los
elementos esenciales del proceso de fenmenos con el
nmero mnimo de variables latentes. Si se posee un
problema de N variables, se traduce en un problema de N
dimensiones, aumentando la complejidad de este, adems
al estar las variables correlacionadas agregan un problema
de estimacin de parmetros para el modelo. Lo anterior se
puede aprovechar como una oportunidad para reducir la
dimensin del problema, es decir proyectarlo en una
dimensin menor (y disminuir la complejidad). Esto se
logra creando un conjunto menor de variables auxiliares
lineales e independientes entre si creando una condicin
optima de estimacin de parmetros para un modelo
0 500 1000 1500 2000 2500 3000
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
Dato
sigma
2
rho
2
0 500 1000 1500 2000 2500 3000
0
0.5
1
1.5
2
2.5
3
3.5
4
Dato
r
8.1 PCA en deteccin de fallas de operacin y medicin
En una aplicacin tpica de anlisis de datos industriales
con k cantidad de variables de proceso son medidos
simultneamente y son combinados con un vector asociado
con cada observacin de las k variables. Si se realizan N
observaciones, se obtendr una matriz de tamao X=(N*k)
donde cada fila corresponde a una observacin para las
variables k y cada columna corresponde a la variable
especifica en la observacin N. La descomposicin de la
matriz X viene dada segn:
=
+ (13)
Para esta descomposicin las variables latentes son las
columnas de la matriz T, es decir en cada una de las N
observaciones de la X se calcula una fila de la matriz T,
siendo llamadas estas comnmente como Scores y
calculadas por medio de mapeo matemtico d las variables
originales medidas a travs de la matriz de carga P. El
factor presentado corresponde al modelo residual como
resultado de esta asignacin.
El modelo PCA puede ser visto como una descomposicin
valor propio-vector propio de la matriz de informacin XX
de los datos medidos. La dimensin del modelo (m) se
encuentra mediante la aplicacin de criterios de seleccin
significativos que conservan slo los grandes valores
propios de estas matrices y rechazan el resto de los
modelos. La dimensin de las variables latentes resultantes
se compone por un subespacio de los datos originales
medidos. En el mtodo PCA la matriz de carga P est
conformada por los vectores propios que son retenidos en
el modelo resultante, y la matriz T almacena la proyeccin
de los datos originales X definido por estos vectores
propios. (Bergh et al., 2008)
8.1 herramientas de inferencia estadstica:
La ventaja principal de este mtodo (PCA) es que cualquier
comportamiento que pueda ser considerado como anormal
se puede detectar mediante combinaciones de los mtodos
SPE (Square Predicted error) y distribucin de T
2
de
Hotteling.
2
=
=1
(14)
La ec. n14 presenta el mtodo de clculo de T de
Hotteling para cada observacin registrada.
2
es la
varianza de los datos
2
=
(
2
1)
( )
,(),
(15)
De la ecuacin anterior se define a m como el nmero de
componentes, F corresponde al a distribucin F y al nivel
de significancia para la hiptesis multivariada.
Respecto a la prueba SPE, este es calculado como la suma
cuadrada a travs de los resultados de cada una de las de las
observaciones (i) indicada para cada variable (j)
=
2
=1
(14)
El lmite de control superior para este test con una
significancia est dado por.
2
2
,
(15)
Con
2
, distribucin chi cuadrado, es la varianza de la
muestra y m corresponde al promedio de cada SPE.
8.2 Criterios de identificacin de fallas de medicin y
operacin:
Los resultados de las pruebas basadas en los registros on-
line otorgados meditando HMI y simulador metalrgico se
basaron en los siguientes criterios (Bergh et al., 2008):
(i) Se considera operacin normal si el nuevo set de datos
satisface los test T
2
y SPE.
(i) (ii) Se considera operacin anormal si falla T
2
y se cumple
SPE.
(ii) (iii) Problemas de medicin o de representacin de modelo
PCA si falla SPE y se cumple T
2
(iii) (iv) Si ambos test fallan el modelo PCA no es apropiado o
se ha producido problemas de medicin.
(iv)
9. Implementacin del anlisis PCA:
El procedimiento general para la generacin y obtencin de
resultados incluye los siguientes pasos:
i) Se llev el circuito de celdas mediante la interfaz
HMI y los lazos de control activados a un estado
estacionario, siendo los niveles medidos por el
sensor, verificando el estado estacionario tanto por
el usuario como por la alarma de deteccin por
varianzas.
ii) Se gener una matriz de datos considerando todas
las variables tanto reales (medibles de la planta
piloto) como virtuales (generadas mediante el
simulador metalrgico). El nmero de variables
consiste en 73 para las cuales se obtuvieron
21.827 observaciones siendo el metro de registro
el software Microsofts Excel mediante la
programacin de una Macro en lenguaje visual
basic.
iii) Posteriormente los datos fueron importados desde
Excel al software ProSensus Multivariate 13.02
versin 2013. Mediante este se realiz el anlisis
PCA para la obtencin de resultados.
9.1 Caractersticas estado estacionario:
El E.E utilizado para la medicin consisti en un set point
de 36, 34 y 32 [cm] de nivel para la celda 1,2 y 3
respectivamente. Esta disminucin para emular los niveles
de espuma reales en la industria. Se utiliz flujo de aire de
45 [l/min] lo que se traduce en un J
g
de 0.99 [cm/s] en cada
celda y flujo de bomba de 1.5 [l/min]. En un comienzo se
pens en utilizar flujos mayores, entre 6 y 8 [l/min], dado la
existencia de vlvulas de bola utilizadas como by-pass para
evitar la saturacin de los recursos sin embargo solo se
alcanzaron estados meta-estacionarios con una variacin
muy grande en las aperturas de las vlvulas de nivel sub
amortiguando el comportamiento de cada una de estas.
10. Resultados:
Los siguiente resultados fueron realizados en base a
recopilacin de datos en un estado estacionario .
Figura 7: Modelo PCA con 6 componentes principales.
Respecto a la figura 7, se observa que el modelo es capaz
de explicar cerca del 97% de la variacin de los datos, no
existiendo una diferencia significativa en la eficacia del
modelo en relacin a la presencia de 5 o 6 componentes
principales. A continuacin en las figuras 8 y 9 se
presentan ambos test por separado.
Figura 8: Resultado Test T de Hotteling.
Figura 9: Resultado Test SPE.
Los lmites superiores corresponden a 13 para el test de T
de Hotteling y de 3.25 para el test SPE, ambos con un 95%
de confianza, los lmites inferiores en ambos casos es 0.
10.1 Comparacin de test para anlisis de operacin
normal:
El siguiente grfico representa un anlisis grfico de SPE
v/s T de hotteling. Este resulta muy til para utilizar los
criterios de inferencia estadstica propuestos en el punto
8.2. Se observa que casi la totalidad de los datos se
concentra bajo el 95% de ambos test, lo que se considera
como operacin normal, sin embargo se debe destacar la
presencia de datos dispersos que segn los criterios
propuestos se pueden clasificar como fallas de operacin o
fallas de medicin.
Figura 10: SPE v/s HT2.
10.1.1 Identificacin de falla de operacin en anlisis de
datos.
Se considera falla de operacin si en alguna medicin falla
T
2
y se cumple SPE. Respecto a la figura n9 notamos que
el caso ms claro que cumple este criterio corresponde a la
medicin nmero 102. Esto se pude corroborar analizando
especficamente tal medicin. En donde obtiene lo
siguiente:
Figura 11: Contribucin P en observacin nmero 102.
Lamentablemente la gran cantidad de variables asociadas al
proceso impide una correcta lectura de la figura, sin
embargo se opt por dejarla completa para hacer una
comparacin de la contribucin P en la medicin nmero
102. Las tres barras azules corresponden a a los flujos
msicos de aire para las celdas 1, 2 y 3, por lo tanto se
ratifica una falla operacional ocurrida en el instante de
medicin 102, corroborando el criterio. (La imagen
ampliada se encuentra en el anexo A)
10.1.2 Identificacin y anlisis en falla de medicin.
Se considera como falla de medicin (instrumentacin) si
falla SPE y se cumple T
2
. Volviendo a la figura n9 se
observa que el punto 297 est bajo este criterio. Analizando
ese punto en particular mediante la contribucin de P en tal
observacin:
Figura 12: Contribucin P en observacin nmero 297.
En la figura 10, se busc entregar una visin general de la
contribucin P de todas las variables del sistema, debido a
la gran cantidad de variables se opt por realizar una figura
explicativa y adjuntar la imagen completa en el anexo A.
El primer ovalo de la izquierda (1), muestra la
contribucin de las variables nivel_2 y nivel_3, que
corresponden a la altura de nivel de las celdas 2 y 3. El
ovalo (2) muestra la contribucin de las variables V_cola2
y Vcola_3, siendo estas las vlvulas de control asociadas a
las mismas celdas. El ovalo nmero 3 muestra la
repercusin que tuvo lo ocurrido en (1) y (2) en las
variables virtuales del simulador que estn en funcin de
los valores reales medidos en la planta piloto. Nuevamente
un uso de criterio para anlisis PCA logra justificar en este
caso un punto con falla de medicin.
11. Conclusiones:
La calidad del control de un banco de celdas de flotacin
depende en gran medida de la precisin de las mediciones y
estimaciones realizadas. Caracterizando la flotacin como
un proceso complejo es difcil decidir cunto y cuales
variables de deben modificar con el fin de impulsar el
proceso a una operacin normal y beneficiosa. La
aplicacin de mtodos estadsticos multivariales (PCA) es
una herramienta poderosa parar construir modelos lineales
independientes entre s con el mnimo nmero de variables
latentes. Respecto a la planta piloto se logr cumplir con
los objetivos planteados, desde la implementacin de
control automtico, comunicacin PC-PLC y utilizacin de
software para la realizacin de HMI. La implementacin
del modelo PCA a un circuito de celdas de flotacin fue
realizada con xito, utilizando 6 componentes principales,
corroborando los criterios que permiten detectar fallas de
medicin y operacin, obtenindose coherencia en los
resultados obtenidos. La seleccin de datos fue bajo una
operacin normal de planta obtenindose resultados
congruentes y de buena calidad, esto debido al buen control
que se logr de la planta adems de buena dinmica y
calidad de la instrumentacin.
11. Referencias:
R. Russel Rhinehart (1995) a novel method for automated
identification of steady state
Luis G. Bergh, J . Yianatos, S. Acosta (2008) Online
monitoring of a pilot column flotation columns by using
PCA models
Luis G. Bergh Monitoreo y diagnstico de la operacin
de procesos de flotacin usando tcnicas de proyeccin
L,Bergh, J , Yianatos, L.Vinnett (2012) Modelling and
simulation of Rougher flotation circuits
L. Bergh, J . Yianatos (2013) Control of rougher flotation
circuits aided by industrial simulator
J .Yianatos, (2005) Flotacin de minerales
ANEXO A: Ampliacin de imgenes.
Figura 11 AMPLIADA: Contribucin P en observacin nmero 102.
Figura 12 AMPLIADA : Contribucin P en observacin nmero 297.