GeoMetsoTM: Geometalurgia Moderna, Automatizada y

Costo-Efectiva para la Optimizacin de la Produccin a

lo Largo de la Vida de la Mina
Walter Valery, Roberto Valle, David La Rosa, Kristy Duffy, Roddy Peche, Silvia Ros
Metso Process Technology & Innovation
RESUMEN
En el escenario actual del mercado de metales, es determinante que las compaas mineras
logren mejoras en la eficiencia de sus procesos bajo un enfoque global, pero considerando
adems, una estrategia a largo plazo. Dependiendo de los cambios en las caractersticas del
mineral, para el corto y mediano plazo se pueden lograr mejoras significativas a travs de
una evaluacin y optimizacin de todas las operaciones desde mina hasta la planta. Este
enfoque sistmico y holstico permite mejoras sustanciales de las operaciones de
perforacin, voladura, conminucin, flotacin y lixiviacin. Sin embargo, en operaciones
con alta variabilidad de mineral, es necesario contar con metodologas innovadoras y
tecnologas de punta para predecir con mayor exactitud la produccin, calidad y
recuperaciones metalrgicas de modo que las mejoras obtenidas previamente mediante la
optimizacin e integracin de los procesos se hagan sostenibles en el tiempo. Para hacer
posible esto, se requiere de un conocimiento pleno de las propiedades del mineral y su
distribucin espacial en el cuerpo mineralizado hasta la correspondiente respuesta en la
planta, adems de las prcticas operacionales en todo el proceso. Una de las restricciones
principales para que actualmente se implementen proyectos de modelamiento
geometalrgico o incluso para hacerlos ms precisos los existentes, son los altos costos que
conlleva la perforacin y anlisis de laboratorio.
Metso Process Technology & Innovation (PTI) ha desarrollado el Programa GeoMetsoTM,
como una alternativa costo-efectiva para ejecutar modelos geometalrgicos de mayor
precisin y de esta manera contribuir con resultados ms eficientes para las operaciones a
lo largo del periodo de vida de la mina. Este artculo describe los pasos a seguir para iniciar
e implementar este tipo de programa. Se describen los datos requeridos y como deben ser
evaluados e incorporados a los modelos GeoMetsoTM. Una parte crucial de toda esta
metodologa es el uso del sistema SmartTagTM, el cual es un sistema de trazabilidad de
mineral que vincula en tiempo real sus fuentes de origen y la respuesta de los procesos en
planta, permitiendo actualizar y validar los modelos predictivos automticamente. Esto
tambin mejora el planeamiento estratgico de la operacin minera y permite actuar
proactivamente para hacer sostenible y/o mejorar la rentabilidad del negocio a lo largo del
periodo de vida de la mina.
A modo de ejemplo, tambin se muestran casos de estudio donde se implement el
Programa GeoMetso o el sistema SmartTag en el cual se obtuvo ganancias
significativas de tonelaje. Dependiendo del alcance del proyecto esto tambin aplica a
recuperacin metalrgica y calidad de concentrados.

INTRODUCCIN
Como es sabido, los yacimientos de minerales de alta ley se estn agotando cada vez ms
rpido y los remanentes son generalmente de baja ley y mucho ms complejos de ser
explotados econmicamente. Esto en combinacin con una preocupacin creciente por la
sostenibilidad, ha impulsado a la industria minera a buscar prcticas y tecnologas ms
eficientes para extraer los minerales valiosos.
Para extraer de manera eficiente los minerales valiosos, es crucial tener un pleno
conocimiento del mineral y la roca que lo contiene. Esta combinacin de geologa y
metalurgia para crear modelos predictivos de base geotcnica para su uso en plantas de
procesamiento es conocida como geometalurgia. Esta tcnica brinda un vnculo entre la
respuesta de la planta y las propiedades mecnicas y de composicin de los dominios de
mineral, lo que facilita el planeamiento estratgico y optimizacin a fin de maximizar la
rentabilidad de las operaciones a lo largo del periodo de explotacin de la mina.
La Integracin y Optimizacin de Procesos de Mina a Planta1 es una metodologa que se
viene aplicando exitosamente en todo el mundo, su aplicacin es muy til para obtener
beneficios en el corto y mediano plazo. Muchas operaciones han obtenido beneficios en
trminos de incremento de produccin en el rango de 5 a 25% y sin la necesidad de invertir
en costos de capital; sin embargo, para depsitos con alta variabilidad de mineral (ver
ejemplo en Figura 1), es necesario complementar estas estrategias operacionales con otras
de largo plazo que permitan asegurar los beneficios y por ende la rentabilidad de la
operacin minera para todo el periodo de vida de la mina (LOM, sigla en ingls para Life
of Mine). En ese sentido, la geometalurgia es la mejor alternativa; no obstante, una de las
mayores restricciones para obtener modelos geometalrgicos de alta confiabilidad son los
costos relacionados para generar una adecuada poblacin de datos.
Los modelos geometalrgicos son efectivos siempre y cuando exista una adecuada
poblacin de datos y, por ende, un buen nivel de confianza estadstica; sin embargo,
mediante la metodologa tradicional este enfoque resulta muy costoso y requiere de mayor
cantidad de recursos y tiempo. Por otro lado, tambin es crucial vincular la respuesta de la
planta con las propiedades del mineral que es alimentado desde mina en tiempo real. Para
este efecto, Metso PTI ha desarrollado la metodologa GeoMetso, el cual usa el sistema
SmartTag para generar la trazabilidad entre los datos de proceso de la planta con los
dominios geolgicos, modelos de bloques geotcnicos y el plan de minado. La tecnologa
SmartTag permite que las parcelas de mineral sean rastreadas desde mina pasando por la
planta de chancado y culminando en la molienda, de tal manera que el tonelaje,
recuperacin, ley y otros parmetros de operacin puedan ser vinculados con su fuente de
origen. Esta tecnologa genera datos confiables para actualizar el modelo de bloques online y permite tener un enfoque costo-efectivo para el modelamiento geometalrgico ya
que elimina la necesidad de aumentar el nmero de pruebas de caracterizacin del mineral
para asegurar resultados representativos lo cual implicara un alto costo para el programa
geometalrgico. Para administrar la informacin recopilada con el sistema, se utiliza un
software especficamente diseado para cada operacin. Este sistema recolecta la
informacin en lnea y retroalimenta continuamente al modelo de bloques, proporcionando
resultados reales en lnea (tonelaje, recuperacin, ley, consumos de energa, etc).

Valery, W., Jankovic, A., La Rosa, D., Dance, A., Esen, S. and Colacioppo, J., 2007. Process integration and
optimisation from mine-to-mill. Proceedings of the International Seminar on Mineral Processing Technology, pp. India.

MODELAMIENTO GEOMETALURGICO
Para mantener el negocio viable y competitivo frente a los crecientes desafos en la
extraccin de minerales valiosos, la industria minera requiere de metodologas y
herramientas para mitigar los riesgos y asegurar la ms alta rentabilidad operacional a lo
largo de la vida de la mina. Para ello se debe contar con la capacidad de predecir los
parmetros de produccin as como tambin su interaccin con las prcticas de minado.
Esto requiere de un adecuado conocimiento de la operacin de los circuitos de
procesamiento de mineral as como de las propiedades relevantes de las rocas del cuerpo
mineralizado y mientras ms complejo sea el cuerpo mineralizado, con mayor razn se
amerita la implementacin de estas estrategias para el largo plazo.

Figura 1: Vista esquemtica de una seccin litolgica del yacimiento de Cu-Zn de Antamina

El concepto de geometalurgia integra las disciplinas de geologa, minas y metalurgia con el

objetivo de desarrollar estrategias de operacin proactivas como una funcin de la
variabilidad del mineral. El modelamiento geometalrgico requiere de un entendimiento
detallado de las propiedades relevantes de las rocas y modelos de como estas propiedades
afectaran las operaciones de voladura, chancado, molienda y etapas de separacin respecto
al tonelaje, recuperacin y calidad del producto final.
METODOLOGIA GEOMETSOTM
Visin General del Programa GeoMetsoTM
GeoMetsoTM es una nueva metodologa estructurada y desarrollada para la aplicacin en
modelamiento geometalrgico, cuyo objetivo es dar soporte con informacin fresca y real
a las operaciones mineras para lograr el rendimiento ptimo dentro de una perspectiva de
largo plazo. Esta metodologa utiliza los modelos de bloques existentes y el sistema
SmartTag vincula los datos resultantes de la produccin en la planta con la fuente de
origen, de modo que el modelo de bloques se actualiza continuamente. Con estos datos, la
3

informacin original del modelo de bloques construido bsicamente con datos

provenientes de la exploracin se enriquece notablemente tanto por la cantidad adicional
de informacin as como tambin por la calidad (datos reales de produccin en
comparacin con los resultados de laboratorio).
El concepto bsico2 del GeoMetsoTM es mostrado esquemticamente en la Figura 2. Los
dominios de mineral son definidos en el modelo de bloques basndose en pruebas de
caracterizacin de minerales. El sistema SmartTagTM se usa para rastrear el mineral y se
realiza una auditora integral de las operaciones para desarrollar modelos predictivos para
cada operacin (voladura, conminucin, separacin). Usando estos modelos predictivos, se
optimiza el diseo de voladura para los diferentes dominios de mineral existentes en la
mina. A partir de esta informacin se genera un recetario, el cual provee una receta, es
decir, un diseo optimizado de voladura para cada dominio de mineral. Los modelos
tambin permiten la prediccin del tonelaje y la recuperacin para cada dominio de
mineral y se pueden ser usados para propsitos de planeamiento y optimizacin.

Figura 2: Metodologa Esquemtica del Concepto General de GeoMetso

Los SmartTags se usan continuamente para rastrear el mineral de la mina a los procesos
productivos de la planta y cuando ste se vincula con el Sistema de Control Distribuido
ms conocido por su sigla en ingls DCS (Distributed Control System), de planta, proveen
datos reales (tonelaje, recuperacin, ley, consumo de energa, etc.) para cada tipo de
mineral y condiciones de voladura. Estos datos son automticamente comparados con las
predicciones de los modelos y adems actualizan el modelo de bloques usando el software
de administracin de informacin. Los datos de planta reales son incorporados a los
modelos de bloques en tiempo real eliminando la necesidad de pruebas costosas de
caracterizacin de minerales. El recetario de voladura por tanto no es esttico sino
dinmico y puede ser ajustado y actualizado de ser necesario para generar la ptima
fragmentacin del ROM (Run-of-Mine: Mineral proveniente directamente de la mina) para
todos los tipos de minerales. Con datos ms exactos en el modelo de bloques, el plan de

2 Lynch-Watson,

S., Valle, R., Duffy, K., La Rosa, D., Valery, W., GeoMetso: A site-specific methodology to optimise
production and efficiency over the Life-of-Mine, Procemin 2013, Santiago, Oct, 2013.

minado se puede mejorar y en la planta se puede recibir una notificacin anticipada del
tipo de mineral a ser procesado con las consecuentes predicciones de produccin.
Posteriormente se pueden realizar los ajustes necesarios de las condiciones de operacin en
la planta para optimizar la produccin.
SmartTagTM en GeoMetsoTM
La Figura 3, esquematiza la forma que opera el sistema SmartTag. Con este sistema, se
rastrean parcelas de mineral en la mina identificando su posicin espacial, para ello se
utilizan tarjetas robustas pasivas de radio frecuencia (RFID tags) que resisten la explosin
en la voladura y tambin los procesos de conminucin. Dependiendo el tipo de proceso las
tarjetas que se utilizan, pueden ser las estndar o bien las mini SmartTags tal como se
muestra en la figura a continuacin. Estas tarjetas no cuentan con fuente de energa interna,
por lo tanto pueden permanecer en los muckpiles y stockpiles por largos periodos de
tiempo.

SmartTagTM Estndar

Mini SmartTagTM

Alcance de deteccin hasta 1.2 m

Alcance de deteccin hasta 40 cm

Figura 3: Tipos de SmartTags

Las antenas para detectar el paso de las tarjetas, se ubican en puntos crticos del proceso,
previos al ingreso del mineral al circuito de molienda o lixiviacin dependiendo del caso;
una vez detectada, la tarjeta provee informacin valiosa del material en movimiento. En
5

particular, esto hace posible vincular las propiedades del mineral asociado a su origen en la
mina, con datos de proceso de la planta.
En la metodologa GeoMetsoTM, los datos de produccin de la planta (tonelaje, ley
recuperacin, calidad de concentrado, energa especfica, etc.) son colectados del sistema
de control del proceso (DCS o datos histricos) cuando una tarjeta pasa por la antena, y
luego es vinculado a la fuente de origen del mineral. Esta informacin es compilada en la
base de datos del SmartTagTM y automticamente se actualiza en el modelo de bloques.
Los dominios de mineral son asignados en el modelo de bloques basado en las
caractersticas del mineral (leyes, recuperacin, tonelaje, energa especfica, etc.). Este
proceso es ilustrado esquemticamente en la Figura 4.
Tonelaje, Recuperacin, Ley

(7)
Ore
Class
AuO
CuP
AuP
PyL
PyH
CuT
AsT
CuA
CpD
CcD
GRN
AMB
RED

(5)

(6)

Modelo de Bloques

Datos histricos
(Tonelaje, Recuperacin, Ley)

Base de datos SmartTag

(x,y,z)

tiempo

Planta

(1)
(3)

(ID,x,y,z)

(2)
(ID, tiempo)

(4)

(ID, tiempo)
ID, x,y,z)

(1) SmartTagsTM colocados en las perforaciones

(5) Datos de Planta DCS (tph, recuperacin, ley)

(2) Mineral alimentado al circuito de conminucin

(6) Datos en la base de datos del SmartTag TM

(3, 4) Tags detectados en el circuito de conminucin

(7) Modelo de bloques actualizado automticamente

Figura 4: Uso del SmartTagTM en GeoMetsoTM

Implementacin de GeoMetsoTM
Uno de los primeros pasos en la metodologa GeoMetsoTM es caracterizar el mineral para
cada bloque en trminos de estructura, resistencia, propiedades de conminucin y
separacin. Las mediciones de estructura de la roca incluyen Rock Quality Designation
(RQD), Frecuencia de Fractura y Joint Mapping. Las principales mediciones de resistencia
incluyen Point Load Index (PLi), Unconfined Compressive Strength (UCS) y Drop Weight
Indices (DWi). Estos se usan para caracterizar el mineral en trminos de resistencia a la
6

fractura en las etapas de voladura y conminucin, las cuales dominan el tonelaje de

procesamiento. Se utilizan resultados de ensayos qumicos, liberacin y pruebas batch de
flotacin para determinar el comportamiento del mineral en los procesos de flotacin, la
recuperacin metalrgica y calidad de concentrado. Un resumen de las mediciones de
caracterizacin y pruebas se muestra en la Tabla 1.
Tabla 1: Medidas de las Caractersticas de los Minerales y Pruebas
Estructura de la Roca

Resistencia de la Roca

Flotabilidad

Variables usadas en los

modelos de fragmentacin
por voladura

Variables usadas para el

modelamiento de los circuitos
de conminucin

Variables usadas para el

modelamiento de la flotacin

Rock Quality Designation

(RQD)
Frecuencia de Fractura
Joint y Plane Mapping con
sistema Sirovision

Parmetros Drop Weight

(A,b,ta)
Drop Weight Indices (DWi)
Unconfined
Compressive
Strength (UCS)
Point Load Index (PLi)
Bond Ball Mill Work Index
(BBMWi)

Medicin de ley del concentrado

Medicin de Liberacin con
sistemas FEI, MLA o QemSCAN
Leyes de concentrado por
fraccin
Pruebas batch de flotacin

Anlisis MLA

Mquina de ensayo para PLi por

Geotechnical Systems Australia
Pty Ltd
Anlisis de la estructura de la
roca usando Sirovision
Pruebas de flotacin

Para comprender como estas caractersticas del mineral afectan cada etapa de las
operaciones, se llevan a cabo auditoras integrales de las operaciones de perforacin y
voladura, y adems un muestreo completo del proceso. Otro beneficio adicional es que
mediante el sistema SmartTag se asegura que el mineral que est siendo analizado en la
mina es el mismo que se est muestreando en la planta lo que maximiza la confiabilidad y
resultados del programa. Esto permite correlaciones entre las variables de proceso, el tipo
de mineral y la fragmentacin del ROM. Adems de esto, los resultados se contrastan
7

mediante un benchmarking utilizando la extensa base de datos de PTI (ms de 400

proyectos alrededor del mundo) para comparar y aplicar las mejores prcticas.
Para cada operacin es necesario desarrollar modelos especficos y se calibran empleando
una combinacin de datos histricos de produccin e informacin detallada de las
auditoras y muestreos. Estos modelos sirven para correr simulaciones considerando los
diferentes tipos de mineral y adems para evaluar cambios en las estrategias operacionales,
identificando posibles prdidas actuales y futuras (cuellos de botella y otras restricciones
de proceso) y adems proporcionar sustento tcnico para la gestin de los cambios con
miras a asegurar la mxima rentabilidad de la operacin minera. Los modelos, adems
permiten predecir la produccin para el LOM basado en el plan de minado. Para mejorar la
confiabilidad de los modelos se realizan anlisis de datos histricos, junto con la
experiencia industrial y juicio de expertos de modo que se desarrollen estrategias de
operacin proactivas e integradas con el objetivo de maximizar la produccin, reducir
costos, usar eficientemente la energa y manteniendo la calidad del producto final.
Tal lo mencionado previamente, los dominios de mineral son definidos basados en las
caractersticas del mineral y se construyen modelos especficos para optimizar la voladura
en trminos de fragmentacin. La voladura de acuerdo al recetario provee una
distribucin de tamaos de la alimentacin ms consistente y optimizada para los procesos
aguas abajo, incrementando as el tonelaje, estabilidad de procesos y la eficiencia. Los
factores de carga se aplican segn las propiedades del mineral y adems segn los
requerimientos de los procesos posteriores, con esto se evita una factor de carga
excesivamente alto en dominios blandos, reduciendo el consumo de energa y costos
asociados, previniendo adems la excesiva produccin de finos que puedan tambin afectar
los procesos agua abajo (por ejemplo en operaciones de lixiviacin en pilas o flotacin).
La Figura 5 muestra una interface del sistema GeoMetso, en el cual se muestran los
bloques de mineral y el polgono de voladura (parte derecha); los colores ms fros indican
minerales ms blandos y los colores clidos los ms duros. En la parte izquierda se
muestran las tendencias del tonelaje del molino SAG, donde claramente se puede
establecer una correlacin entre la dureza del material y el tonelaje, siendo los minerales
ms blandos los que permiten mayor produccin. Luego de esta clasificacin, el objetivo
es estandarizar y hacer los ajustes necesarios para que luego se obtengan similares
tonelajes independientemente del tipo de mineral que se procese.

Figura 5: Ejemplo de una interface del sistema GeoMetsoTM

En trminos generales, el sistema SmartTag dentro del programa GeoMetso vincula la

informacin del DCS y el modelo de bloques para mejorar el plan de minado y la
operacin del circuito. Los datos de proceso recolectados con el SmartTag son
alimentados de vuelta a los modelos de bloques automticamente, as se asegura que
informacin fresca y real est disponibles en el modelo de bloques en todo momento,
permitiendo comparar los parmetros de produccin real con aquellos obtenidos mediante
los modelos predictivos. Con esto, el recetario de voladura pre-establecido puede ser
ajustado y actualizado de ser necesario, reflejando los datos ms recientes. Otro beneficio
es que la planta recibe notificacin anticipada del tipo de mineral que va a ser procesado y
se pueden realizar ajustes predictivos a las condiciones de operacin para optimizar la
productividad de la planta.
CASOS DE ESTUDIO
Pronstico del Tonelaje en Newmont Batu Hijau, Indonesia
Propiedad de Newmont Mining Corporation, Batu Hijau es un depsito de prfidos de
cobre y oro, localizado en la provincia de Nusa Tenggara Barat, Indonesia. En el periodo
2003-2004, Metso PTI asisti a Batu Hijau a desarrollar un modelo integral para predecir y
optimizar el tonelaje (Burger et al; 2006). Se llev a cabo una revisin de la dureza del
mineral y de su fragmentacin por voladura, usando esta informacin para definir los
dominios de mineral en base a su estructura y resistencia a la fractura. En Batu Hijau, esto
result en una matriz de nueve dominios de mineral.
Metso PTI desarroll modelos para la fragmentacin por voladura y para la conminucin
en planta. Usando estos modelos, el diseo de voladura fue optimizado para cada dominio
de mineral, resultando en un recetario de voladura, mostrado en la Figura 6. La
implementacin de los diseos optimizados de voladura mejor la distribucin de tamaos
de fragmentacin (ROM F80) en los minerales ms duros, tal como se muestra en la
Figura 7. Esto produjo un incremento en el tonelaje y mejora de las operaciones
posteriores.

Figure 6: Recetario de voladura para Batu Hijau (Burger et al; 2006)

Figura 7: Mejora del ROM mediante voladura optimizada (Burger et al; 2006)

Los tonelajes resultantes previstos para cada tipo de mineral se combinaron de acuerdo a la
informacin del blending para proveer predicciones del tonelaje bajo escenarios de
produccin diaria, mensual, anual y para el LOM.
La validacin indic la necesidad de mantener la litologa como un parmetro en la
definicin de dominios de mineral para la prediccin del tonelaje y adems al combinarlo
con la dureza, se obtuvieron 16 dominios. El enfoque de modelamiento de Metso fue
aplicado a cada dominio usando diseos de voladura del recetario y los parmetros de
fractura del mineral especficos de cada dominio en el modelo del molino SAG. Las
razones de tonelaje de los modelos de los 16 dominios se aplicaron a las mezclas
procesadas de mineral diariamente para el ao 2004 y fueron comparados en base mensual
10

y anual como se muestra en la Figura 8. El modelo final de tonelaje predijo los tonelajes
mensuales con una precisin de 5% y ha sido extensivamente usado en el planeamiento del
negocio durante el LOM, optimizacin de la totalidad de los procesos de minado y
conminucin, as como para estudios de expansin.

Figure 8: Producin real versus prediccin del modelo para 16 dominios (Burger et al; 2006)

Inicialmente el modelo tena buena prediccin, pero una divergencia entre lo real y lo
predicho en el tiempo, fue relacionado a la ley de cobre. Se agreg un trmino de
correccin para tener en cuenta el efecto de la ley observada. Un efecto similar tonelaje-ley
ha sido observado para otros depsitos de prfidos de cobre tales como en Ernest Henry,
Bougainville Copper y Ok Tedi (Wirfiyatal and McCaffery, 2011). El uso de los
SmartTags para retroalimentar los datos de planta en los modelos de bloques, es
relevante en situaciones donde un cambio de las propiedades del mineral en el tiempo
afecta la respuesta de los procesos.
Pronstico del Tonelaje y Optimizacin en Phu Kham, Laos
Ms recientemente, Metso PTI ha estado implementando un proyecto de modelamiento
geometalrgico, prediccin de tonelaje y optimizacin en Phu Kham3, Laos, Sud-Este de
Asia, usando la metodologa de GeoMetsoTM. Uno de los principales objetivos del proyecto
fue el desarrollo de estrategias para maximizar la produccin, manteniendo los objetivos
operativos de LOM, incluyendo los minerales ms duros. Esto se puede lograr mediante la
mejora de la fragmentacin del ROM a travs de la optimizacin de las prcticas de
voladura.
El plan de minado estaba vinculado con las coordenadas del modelo de bloques geotcnico
para asignar cada periodo con el promedio del RQD, PLi y DWi. Cada punto de datos en el
programa tambin estaba asignado a uno de los nueve dominios basados en las
caractersticas de los minerales permitiendo predicciones del tonelaje con los modelos
calibrados de la voladura y circuito de conminucin.

Bennett, D., Tordoir, A., Walker, P., La Rosa, D., Valery, W., Duffy, K,.Throughput Forecasting and Optimisation at
the Phu Kham Copper-Gold Operation, 12th AusIMM Mill Operators Conference, Townsville, Australia, Sep, 2014.

11

Metso PTI us los resultados de las pruebas de caracterizacin de minerales y condujo una
auditora y muestreo integral desde mina hasta el circuito de conminucin para desarrollar
modelos de los procesos de voladura, chancado y molienda. Los datos de RQD y UCS
(estimado desde PLi) para cada bloque de 10m x 10m x 10m desde el modelo de bloques
geotcnicos se usaron para definir los nueve dominios de mineral (mostrados en la
Figura 9). Metso PTI desarroll modelos para la fragmentacin por voladura y los diseos
de voladura se optimizaron para cada dominio mediante ajuste de la carga, espaciamiento y
taco para optimizar la fragmentacin del ROM.

Figura 9: Definicin y distribucin de los dominos de mineral en Phu Kham

Para vincular el rendimiento de la planta con las caractersticas del mineral y los resultados
de voladura, el material de la voladura auditada fue rastreado desde la mina hasta la planta
mediante el sistema SmartTag.
A continuacin, se llev a cabo un muestreo exhaustivo del circuito de molienda. Las
muestras de mineral recogidas durante el muestreo fueron enviadas para caracterizacin,
incluyendo adems Drop Weight indice (DWT) y Bond Ball mill work index (BWI). Estas
pruebas proporcionan los parmetros necesarios para el modelamiento matemtico. Los
datos del estudio y los parmetros medidos fueron utilizados para desarrollar y calibrar
modelos especficos de conminucin utilizando JKSimMet. Los modelos correlacionaron
bien con los datos medidos y se consideraron adecuados para simulaciones y pronstico de
tonelaje.
Se logr desarrollar un modelo de pronstico de tonelaje basado en el modelamiento
geometalrgico para la planificacin a largo plazo y optimizacin, para ello se utiliz en
forma integrada los modelos sitio-especficos de voladura y conminucin junto con el plan
de LOM de Phu Kham. As mismo, se utiliz el plan de LOM junto con el modelo de
bloques geotcnico para determinar las caractersticas del mineral para cada periodo.
El LOM de Phu Kham se muestra en la Figura 10, en el se puede apreciar un aumento
tanto de estructuras (RQD) y de resistencia (IS50) en el tiempo hasta finales del ao 2019
para luego bruscamente caer nuevamente hasta el fin de la vida til de la mina. Esto
corresponde a la explotacin en las zonas ms profundas, ms competentes del yacimiento
antes de algunos recortes menos profundos al final del periodo de vida de la mina. Como

12

es comn con los planes de la mina a largo plazo, la resolucin de la programacin reduce
ms cerca del final de la vida de la mina.

Figura 10: Valores promedios de Is50 y RQD al largo del periodo de vida de la mina

Se utiliz los valores de caracterizacin del mineral sobre el modelo de bloques de LOM
en conjunto con el modelo de fragmentacin por voladura sitio-especfico para determinar
la granulometra del ROM en cada periodo. Tambin se utiliz el patrn estndar
(existente) de voladura y uno de los diseos de voladura con alta intensidad en esta etapa.
De igual manera, se utiliz las distribuciones de tamao de ROM resultantes en los
modelos de circuitos de conminucin para predecir el tonelaje del circuito para cada
periodo segn la programacin de mineral de alimentacin a la planta.
El anlisis detallado de los datos generados por el sistema GeoMetso indic varias
correlaciones interesantes, como se muestra en la Figura 11. El diseo de voladura fue
relativamente constante durante el periodo de captura de datos, por lo que los cambios en
la distribucin del tamao de ROM sera un resultado de las caractersticas intrnsecas de
mineral.

13

Figura 11: Ejemplos de correlaciones establecidas con datos GeoMetsoTM

Los datos demuestran que el tonelaje del chancador aumenta con alimentacin ms gruesa
(resultado de un mayor RQD), lo que parece ir contra del sentido comn. El tonelaje del
molino SAG es inversamente proporcional a las caractersticas de resistencia y estructura
de la alimentacin, con el tonelaje del molino aumentando mientras disminuye la
resistencia (PLi) y estructura (RQD) tal como era de esperarse. La combinacin de los
parmetros en un solo ndice 'PLi x RQD' demostr una correlacin ms fuerte con un
valor de R2 de 94%.
Usando las herramientas de modelamiento se identificaron oportunidades para aumentar el
tonelaje para los minerales duros. Estas incluan el aumento de dimetro del pozo de
voladura, disminucin del espaciamento del patrn de voladura para aumentar el factor de
carga, y la reduccin del CSS (Closed Side Setting) del chancador primario. La
combinacin de estos cambios podra aumentar el tonelaje en ms de 8%.
Los pronsticos del tonelaje indican que estos cambios pueden no ser suficientes para
mantener el tonelaje objetivo para el ao 2019, cuando est previsto procesar el material
ms duro y en bloques. El modelamiento indica que un circuito de chancado secundario
podra ser necesario para cumplir con la meta de produccin de ese ao.
Como resultado de este proyecto, los modelos desarrollados han constituido una
herramienta muy til para la optimizacin y para la planificacin a corto, mediano y largo
plazo. Al igual que en las dos operaciones presentadas como caso de estudio, se estn
instalando sistemas similares en diferentes operaciones alrededor del mundo.
CONCLUSIONES
La extraccin de minerales valiosos se hace cada vez ms difcil y el mercado de metales
cada vez ms competitivo, esto amerita implementar tecnologas y metodologas ms
eficientes para asegurar la rentabilidad de la operacin minera a lo largo del periodo de la
mina. La Integracin y Optimizacin de procesos permite obtener ganancias significativas
para el corto y mediano plazo, pero es necesario asegurar las ganancias para el largo plazo.
La geometalurgia es la mejor alternativa para este propsito; sin embargo, los altos costos
que conlleva muchas veces no permiten desarrollar modelos confiables y por tanto se hace
difcil asegurar la rentabilidad del negocio en el largo plazo.
El programa GeoMetso, desarrollado por Metso PTI, usa el sistema de rastreo de mineral
llamado SmartTag para vincular las propiedades del mineral que viene de mina dentro
de su distribucin espacial en el modelo de bloques, los procesos de perforacin, voladura,
14

conminucin y la consecuente produccin de la planta. El sistema continuamente recolecta

datos de proceso de la planta y automticamente actualiza el modelo de bloques, el cul en
lugar de ser esttico, se convierte en un modelo dinmico. Esto permite ajustar el plan de
minado con el objetivo de mantener el ptimo rendimiento global y eliminar as la
necesidad de contar con mayor nmero de costosas pruebas de caracterizacin de
minerales. La planta recibe con anticipacin la informacin sobre el tipo de mineral a ser
procesado y los ajustes pueden ser realizados con nuevas condiciones operacionales que
maximicen el tonelaje, reduzcan los costos unitarios, uso eficiente de la energa y obtener
as una mejor rentabilidad global del proceso. La metodologa GeoMetsoTM provee un
planeamiento estratgico mejorado, adems de optimizar la produccin para el LOM.
REFERENCIAS
1. Burger, B., McCaffery, K., Jankovic, A., Valery, W., McGaffin, I. (2006), Batu Hijau Model
for Throughput Forecast, Mining and Milling Optimisation and Expansion Studies,SME 2006.
2. Butcher, A. and Valery Jnr., W. (2005) Establishing the Links Between Ore Characteristics and
Crushing & Gr Colacioppo, J., Valery Jnr., W. (2006) Integracin y Optimizacin de Los
Procesos desde la Mina hasta la Concentradora. IV Taller Internacional sobre Procesamiento de
Minerales, Santiago, Chile.
3. Lynch-Watson, S., Valle, R., Duffy, K., La Rosa, D., Valery, W., GeoMetso: A site-specific
methodology to optimise production and efficiency over the Life-of-Mine, Procemin 2013,
Santiago, Oct, 2013.
4. Bennett, D., Tordoir, A., Walker, P., La Rosa, D., Valery, W., Duffy, K,.Throughput
Forecasting and Optimisation at the Phu Kham Copper-Gold Operation, 12th AusIMM Mill
Operators Conference, Townsville, Australia, Sep, 2014 (aceptado para publicacin).
5. Valery, W., Jankovic, A., La Rosa, D., Dance, A., Esen, S. and Colacioppo, J. (2007). Process
integration and optimisation from mine-to-mill. Proceedings of the International Seminar on
Mineral Processing Technology, pp. India. 577-581.
6. Wirfiyatal, F. and McCaffery, K., (2011), Applied Geo-Metallurgical Characterisation for Life
of Mine Throughput Prediction at Batu Hijau, Proceedings of the Fifth International
Conference on Autogenous and Semiautogenous Grinding Technology, SAG2011, 25-28
September 2011, Vancouver, Canada.

15