See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/339565711

CÁLCULO ÓPTIMO DE HIDROCICLONES POR MEDIO DE ALGORITMOS

GENÉTICOS

Conference Paper · October 2004

CITATIONS READS

6 1,877

3 authors, including:

Oscar Daniel Chuk

National University of San Juan
52 PUBLICATIONS   79 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Optimización de la productividad del proceso de molienda de minerales no metalíferos, por medio de la incorporación de control automático View project

Energy Efficiency and Comfort in Public Buildings by Multiobjective Optimization. (EECOM-Res.1277/16) View project

All content following this page was uploaded by Oscar Daniel Chuk on 28 February 2020.

The user has requested enhancement of the downloaded file.

 VII Jornadas Argentinas de Tratamiento de Minerales. Buenos Aires, Argentina, 2004, 000-000

CÁLCULO ÓPTIMO DE HIDROCICLONES

POR MEDIO DE ALGORITMOS GENÉTICOS

Oscar Daniel Chuka, Juan P. Gila y Luis V. Gutierreza

a
Instituto de Investigaciones Mineras
Av. Libertador S. Martín 1109 (o) 5400 San Juan,
Tel. +54 264 4220556. Email dchuk@unsj.edu.ar

RESUMEN

Se propone en este artículo una metodología de dimensionamiento óptimo de un

hidrociclón, basándose en un modelo matemático empírico del mismo, y diseñando una
función de costo que mide la calidad del dispositivo, que es minimizada por un algoritmo
genético.

Palabras claves
Hidrociclón, Clasificación, Optimización

INTRODUCCIÓN

El hidrociclón es un equipo estático de clasificación por tamaño de partículas presente

en la gran mayoría de las plantas de beneficio de minerales. Concretamente, está presente en
la molienda en húmedo formando un circuito cerrado con un molino.
El dimensionamiento de un hidrociclón envuelve un proceso de cálculo a partir de
expresiones empíricas, las cuales incluyen por lo menos cinco parámetros de la geometría del
dispositivo que deben ser elegidos por el diseñador. Obviamente, las combinaciones son
infinitas; muchas de ellas pueden funcionar bien, y aún muchas más lo harán deficientemente.
Habitualmente se recurre a un proceso iterativo de prueba y error sobre una planilla de cálculo
que contiene un modelo matemático del dispositivo, en el que se varían los parámetros de
diseño hasta obtener, aproximadamente, el comportamiento esperado, el cual se estima a
partir de la obtención del diámetro medio de corte deseado y una buena clasificación entre
gruesos y finos, es decir un corte abrupto en la curva de eficiencia del hidrociclón.
En este trabajo se presenta una metodología sistemática para realizar el proceso de
diseño, usando un modelo matemático del clasificador y como herramienta de búsqueda de la
solución óptima un algoritmo genético, obteniéndose un diseño óptimo en términos de una
función de costo que mide el desempeño del hidrociclón.

MODELO DE HIDROCICLÓN

En la Fig. 1 se observa un esquema de un hidrociclón. El flujo a ser clasificado por tamaño

ingresa tangencialmente por un conducto de diámetro Di, y una vez dentro las partículas serán
 Chuk, Gil y Gutierrez

separadas por las fuerzas centrífuga, de arrastre y de la gravedad. Dentro del hidrociclón, la
masa de agua y de partículas minerales seguirá una trayectoria helicoidal, y como la abertura
inferior o ápex no puede manejar todo el caudal, comienza generarse un corriente ascendente,
a medida que las partículas descienden por la parte cónica del cuerpo del hidrociclón, formada
por la mayoría del caudal de líquido junto con las partículas más finas, las que saldrán del
hidrociclón a través del Vortex Finder, una conexión de diámetro Do que une la región del
vórtice al rebalse del clasificador. Las partículas más gruesas, por su parte, debido
fundamentalmente a su mayor masa, se ubicarán mas cerca de la periferia, abandonando el
clasificador por su orificio de descarga, el ápex con diámetro Du. Las otras dos variables de
diseño son la altura h de la parte cilíndrica y del cono y el diámetro interior del cono en la
sección cilíndrica Dc.

Figura 1. Diagrama esquemático de un hidrociclón

El producto grueso en la descarga está formado por dos componentes:

a. Partículas gruesas que aparecen en la descarga como resultado del proceso

mismo de clasificación.
b. Partículas finas que son arrastradas por el agua hacia la descarga. Se dice
que estas partículas finas están “cortocircuitando” el proceso normal de
clasificación del hidrociclón, pasando directamente desde la alimentación hacia
la descarga. Obviamente un objetivo de diseño es reducir tanto como se pueda
este cortocircuito o “bypass” y aumentar la eficiencia general de la
clasificación.
 VII JATRAMI, Buenos Aires, Argentina, 2004

Para describir el proceso de clasificación dentro del hidrociclón, se definen la Curva

de Eficiencia Corregida y la Curva de Partición o Curva de Eficiencia Real, que toma en
cuenta el bypass. Ambas pueden observarse en la Fig. 2. Esta curva, en función de la
granulometría, especifica la fracción en peso de partículas que pasan de la alimentación a la
descarga, en estado estacionario. En esta figura puede observarse, que para los tamaños más
gruesos la eficiencia real es casi 100%, indicando que casi todas las partículas saldrán por la
descarga del hidrociclón. Sin embargo se observa que en los tamaños más finos la eficiencia
no es nula, lo cual indica que una pequeña cantidad de finos será arrastrada a la descarga del
clasificador. Este es precisamente el fenómeno de bypass o cortocircuito.

Figura 2. Curva de eficiencia real y de eficiencia corregida

La relación matemática entre las curvas de eficiencia real y corregida está expresada
en la ecuación 1:

Y  YC. 1  BP   BP (1)

Donde:
Y: Eficiencia real para partículas de tamaño d; [º/1].
Yc: Eficiencia corregida para partículas de tamaño d; [º/1].
Bp (bypass): Fracción en peso de partículas arrastrada por el agua hacia la descarga
Yc(1-Bp): Fracción en peso de partículas de tamaño d, realmente clasificada.

Así, con los correspondientes valores de eficiencia real (Y), para cada rango
granulométrico, se puede calcular Yc a través de la ecuación 2:

YC 
Y  BP  (2)
1  BP 
 Chuk, Gil y Gutierrez

Modelo Empírico de Clasificación por Hidrociclón

El modelo usado en el presente trabajo fue desarrollado por L. R. Plitt en 1976, y

presentado claramente por Sepúlveda y Gutierrez (1986). En el mismo se adopta una curva de
eficiencia corregida definido por la ecuación 3:

  d  
m

YC  1  exp ln 2.   (3)

  d50  corr   
 
Donde:
Yc: Eficiencia corregida.
d50(corr) Tamaño de partícula, corregido, correspondiente al material clasificado que tiene la
misma probabilidad de aparecer en el rebalse o a la descarga del hidrociclón [m].
m: Constituye una medida de la eficiencia global de clasificación. De esta forma, si m > 3, se
tendrá el caso de una clasificación de partículas gruesas y finas en los flujos de
descarga y rebalse del hidrociclón, respectivamente. Valores de m inferiores a 2
indican una separación pobre de entre partículas finas y gruesas.
d: Tamaño de las partículas [m]; en este trabajo se ha clasificado toda la distribución
granulométrica en 16 tamaños diferentes de partículas.

Debido a lo último expuesto, se puede decir que habrá 16 valores de Yc, uno por cada
tamaño considerado.

Es decir:
  di  
m

YCI  1  exp ln 2   (4)

  d50  corr   
 
Para i = 1,2,....,16.

La siguiente ecuación se utiliza para calcular el tamaño de corte del hidrociclón (d50)
corregido:
A0 Dc 1 Di 2 Do 3 e  A4 SV 
A A A

d 50 (corr ) 
Du 5 h A6 Q A7  S   l 
A A8 (5)

Donde:
Dc: Diámetro interno del hidrociclón, medido en la parte cilíndrica inferior del Vortex Finder
[pulg].
Di: Diámetro interno de la abertura de alimentación al hidrociclón, o bien (4Ai/)0.5 para
entradas no circulares.
Ai: Área de la sección transversal de entrada al hidrociclón [pulg2]
Do: Diámetro interno de la abertura de rebalse, o Vortex Finder del hidrociclón [pulg].
Sv: % volumétrico de sólidos en la pulpa alimentada al hidrociclón; [%].
Du: Diámetro interno de la abertura de descarga (ápex) del hidrociclón; [pulg].
h: Altura libre del Vortex del hidrociclón, definida como la distancia entre la parte inferior del
Vortex Finder y la parte superior del ápex (orificio de descarga); [pulg].
 VII JATRAMI, Buenos Aires, Argentina, 2004

Q: Flujo volumétrico de pulpa alimentado al hidrociclón; [pie3 / min].

s, l: densidades de sólido y líquidos respectivamente [g/cm3].
A0, A1,..., A8: Constantes del modelo ajustado (función del material y del equipo),
determinadas experimentalmente para cada tipo de mineral e hidrociclón utilizados.
Plitt recomienda el uso de los siguientes valores como una primer aproximación o
corrida:

A0 = 35; A1 = 0.46; A2 = 0.60; A3 = 1.21; A4 = 0.063; A5 = 0.71; A6 = 0.38; A7 = 0.45;

A7 = 0.45; A8 = 0.50

El valor del parámetro m se calcula en función de las variables de diseño y de

operación del hidrociclón de la siguiente manera:
 DC 2 h 
ln m  K0  K11  RV   K2 ln  (6)
 Q 
Donde:
Q S
RV  U  (7)
Q S 1

S: distribución de caudales volumétricos (Flow Split) del rebalse y descarga del hidrociclón =
Qu/Q.
Q, Qo, Qu: Flujos volumétricos de pulpa de alimentación, rebalse y descarga del hidrociclón
respectivamente; [pie3 / min].
K0, K1, K2: constantes del modelo ajustado (función del material y del equipo). Los valores
propuestos son por Plitt son K0 = -1; K1 = 1.58; K2 = 0.15.

La ecuación 8 describe la Distribución de Caudales Volumétricos de Rebalse y

Descarga :

D 
B1
D 
B0  u  hB 2
u
2
 Do
2 B3
exp B4 S V 
 Do 
S B6 (8)
H B5 Dc

Donde:
P
H: Presión estática de pulpa de alimentación y su valor es: H  2.31 [psig cm3 /g]

P: Presión de alimentación; [psig]
 : Densidad de la pulpa; [g / cm3]
B0, B1, ..., B6: Constantes del modelo ajustado (función del material y del equipo), debiendo
ser determinadas experimentalmente para cada tipo de mineral e hidrociclón.
Nuevamente Plitt propone utilizar los siguientes valores:

B0 = 2.9; B1 = 3.31; B2 = 0.54; B3 = 0.36; B4 = 0,0054; B5 = 0.24; B6 = 1.11

 Chuk, Gil y Gutierrez

Con los valores de d50 y m dados en las ecuaciones 5 y 6 respectivamente, se puede

determinar fácilmente la curva de eficiencia corregida de acuerdo al modelo matemático
desarrollado previamente.
La ecuación 9 describe la presión P que debe tener el caudal volumétrico a la entrada
del hidrociclón, con respecto a la capacidad Q del mismo.

C0 Q C1 exp C 2 SV 
P

Dc 3 Di 4 h C5 Du  Do
C C 2

2 C6
(9)

Donde:
P: Es la presión que debe tener el caudal volumétrico a la entrada del hidrociclón; [psi].
Q: Es la capacidad del hidrociclón; [pie3 / min].
Sv: Es el % volumétrico de sólidos; [%].
Dc, Di, Du y Do: Son las dimensiones del hidrociclón ya descriptas anteriormente.
C0, C1,..., C6: Son constantes determinadas experimentalmente. Se recomienda los siguientes
valores:

C0 = 4.7; C1 = 1.78; C2 = 0.0055; C3 = 0.37; C4 = 0,94; C5 = 0.28; C6 = 0.87

OPTIMIZACIÓN POR MEDIO DE UNA FUNCIÓN DE COSTO

La optimización del funcionamiento del hidrociclón se reduce al diseño de una función

–llamada función de costo- que mide el desempeño del dispositivo. Esta función es luego
minimizada por un algoritmo que encuentra entonces los parámetros de diseño que aseguran
un punto óptimo de funcionamiento.

Diseño de la función de costo

Un objetivo básico de diseño del hidrociclón es que el mismo tenga el corte en el

diámetro deseado d50d. De allí que es intuitivo escribir una primera aproximación de la
función de costo que contenga una distancia cuadrática –fácilmente minimizable- entre el
valor actual del diámetro de corte d50 y el deseado:

f  (d 50  d 50d ) 2 (10)

Al mismo tiempo, se pretende que el corte del hidrociclón se lo más abrupto posible en
la zona del diámetro de interés d50. Esto puede ser medido por el parámetro m, o también,
como se ha preferido en este trabajo, por la inversa de la pendiente de la curva de eficiencia
real Y en el punto de interés d50, de tal manera que a la función (10) se le puede sumar un
segundo término que mida esta influencia, con lo que se tendría
 VII JATRAMI, Buenos Aires, Argentina, 2004

1
f  K d (d 50  d 50d ) 2  K v (11)
dY
dd 50

En esta expresión Kd y Kv son factores de peso que son ajustados según la importancia
relativa que se quiera dar a cada elemento en el diseño.

Finalmente, es deseable también que el bypass de agua sea lo más reducido posible, así
que resulta lógico sumarlo a expresión anterior, afectado también del correspondiente factor
de peso:
1
f  K d (d 50  d 50d ) 2  K v  Kb Bp (12)
dY
dd 50

Se llega así entonces a la función de costo buscada que es motivo de minimización. Sin
duda se pueden agregar otros elementos de diseño a la misma, pero la expresión (12) ha
mostrado tener una combinación de efectividad y simplicidad que permite un eficiente diseño
del hidrociclón.

ALGORITMOS GENÉTICOS

Si bien existen muchas herramientas de minimización de funciones, la alta no linealidad

de las expresiones que describen el hidrociclón y al mismo tiempo la gran cantidad de
parámetros que deben ser obtenidos –cinco para este caso: h, Dc, Di, Du y Do – hacen que los
algoritmos tradicionales, como por ejemplo el método del gradiente, sean ineficientes o aún
inaplicables.
El algoritmo genético (Goldberg, 1989; Holland, 1992) es una herramienta
computacional de optimización sumamente potente que imita el principio evolutivo de la
supervivencia del individuo más apto, propuesto a nivel biológico por Darwin (1859). En la
aplicación computacional, la función de costo es la que dicta, para cada individuo, cual es su
posibilidad de sobrevivir y reproducirse en una próxima generación.
La idea básica es que un conjunto o vector determinado de parámetros de diseño que
definen el hidrociclón es un individuo i: [hi Dci Dii Dui Doi]. El mismo es parte de una
generación constituida por una población de p individuos, tal como lo muestra la Figura 3.
Se dice que cada uno de los elementos del vector de parámetros es un cromosoma, y
realizando una codificación binaria de cada elemento, se identifica cada bit con un gen.
A partir de esta idea, el algoritmo genético emula todas las operaciones involucradas en
la reproducción biológica: reproducción, cruzamiento y mutación (Lin y Lee, 1996).
Para cada generación, en la reproducción se seleccionan los individuos más aptos según
su función de costo y, con una cierta probabilidad, se forman parejas (mating), las que
participarán de la próxima etapa: el cruzamiento. En la misma, a la manera en que los
cromosomas de los padres se combinan en un punto pivote compartiendo su información, dos
cromosomas de elementos homólogos de individuos apareados, por ejemplo Duj y Duk pueden
cruzarse digitalmente en un punto definido también en forma aleatoria, tal como se grafica en
la Figura 4. Por supuesto que, de la misma manera en que biológicamente se pueden producir
 Chuk, Gil y Gutierrez

múltiples cruzamientos, también se pueden implementar en la correspondiente programación

del algoritmo genético.

[h1,Dc1,Di1,Du1,Do1]
[h2,Dc2,Di2,Du2,Do2]
.
.
[hi,Dci,Dii,Dui,Doi] Individuo
.
Cromosoma
.
.
[hP,DcP,DiP,DuP,DoP]

Gen

Figura 3: Codificación de parámetros en términos del algoritmo genético

Figura 4: Operación de cruzamiento cromosomático biológico y digital

La última operación a realizar es la mutación. De la misma manera que, al formarse un

nuevo individuo, aleatoriamente algún gen muta, generando así una característica nueva no
presente en los padres o abuelos, el algoritmo provoca –con muy baja probabilidad- una
basculación (cambio de 0 a 1 o viceversa) en algún bit de algún cromosoma de los individuos
de la nueva generación. Esto permite explorar nuevos ambientes dentro del dominio que
quizás presenten un mejor desempeño en términos de la función de costo.
En resumen, un seudocódigo muy resumido del algoritmo podría ser el siguiente:

• Definir población inicial

• loop (generación)
– Evaluar a los individuos
– Reproducción (mating)
– Cruzamiento (crossover)
 Cruzamiento cromosomático con probabilidad Pc entre los
individuos más aptos
 Formación de una Generación intermedia.
 Sobreviven los más aptos, quedando el tamaño de población
constante.
– Mutación
• repetir el loop hasta que se cumpla un criterio
 VII JATRAMI, Buenos Aires, Argentina, 2004

SOFTWARE DE CÁLCULO

El algoritmo de cálculo ha sido implementado en un programa en el que se pueden

cargar las condiciones de trabajo, a saber caudal y densidad de sólidos, caudal de agua,
presión de alimentación y diámetro d50 deseado. La pantalla de presentación está mostrada en
la Figura 5.

Figura 5: Pantalla de presentación del software de dimensionamiento de hidrociclones.

Se le pueden plantear al algoritmo, según la experiencia del diseñador, los rangos entre
los que debe buscar la solución, lo cual orienta el cálculo dentro de valores coherentes y
provee asimismo un punto de partida para la búsqueda.

Las salidas del programa son los valores calculados de h, Dc, Di, Du y Do y el valor de la
función de costo y d50 que tiene el hidrociclón con dicha geometría. El programa permite
también un cálculo manual, introduciendo a voluntad los parámetros que el diseñador
considere convenientes.

RESULTADOS

Realizando un cálculo manual, es habitual tener funciones de costo del orden de 104 en
primera instancia y de 103 luego de ganar un poco de experiencia y trabajar sobre la geometría
por prueba y error. Por medio del algoritmo genético es habitual conseguir valores de la
función de costo del orden de 102.
 Chuk, Gil y Gutierrez

Por ejemplo, trabajando con un mineral de densidad 2.6 g/cm3, 3.5 tn/h de caudal de
sólidos, 4 tn/h de agua y 5 lb/pulg2 de presión de alimentación, y proponiendo un tamaño de
corte d50 de 100µm, el programa arroja como resultados h = 13.31”, Dc = 5.80”, Di = 1.23”,
Du = 0.58” y Do = 0.91”. Con estos valores, el d50 obtenido es de 100.4µm y la función de
costo presenta un valor de 126.08, lo que indica un desempeño eficiente del hidrociclón, en
comparación con los valores obtenidos manualmente. En la Figura 5 se aprecia como la curva
de corte es abrupta y hay muy poca diferencia entre la curva real y la corregida, lo que implica
un muy bajo bypass.
Ahora bien, los diámetros entregados por el programa obviamente no son normalizados
comercialmente, por lo que se puede realizar un recálculo manual introduciendo valores
cercanos y verificando que la función de costo permanezca baja y el d50 dentro de valores
cercanos a 100µm. Proponiendo, por ejemplo, h = 13.25”, Dc = 5.75”, Di = 1.25”, Du = 5/8” y
Do = 1”, se obtiene d50 = 107.9 con función de costo de 267.8, valores que el diseñador podrá
considerar o no como aceptables.
El hidrociclón diseñado muy probablemente no responda exactamente a las
proporciones de un “ciclón típico” (Mular y Bahppu, 1980), pero el diseñador puede seguir
modificando manualmente las variables de diseño en el programa a fin de que el dispositivo
se ajuste a dicho canon, al mismo tiempo que comprueba que la función de ajuste permanece
baja, lo que asegura un buen desempeño.

CONCLUSIONES

Se ha diseñando un programa de dimensionamiento de hidrociclones óptimo en el

sentido de una función de costo, el cual presenta la particularidad de ser sumamente flexible
pues admite rápidas modificaciones en la conformación de dicha función como asimismo de
los parámetros del algoritmo genético de búsqueda. Se dispone así de una herramienta de
diseño rápida y eficiente.

REFERENCIAS

DARWIN, C., On the Origin of Species, 1859.

GOLDBERG, D.E., Genetic algorithms in search, optimization and machine learning.

Addison-Wesley, MA.,1989.

HOLLAND, J., Genetic Algorithms. Scientific American, July 1992, 66-72.

LIN, C., LEE, C.S. Neural Fuzzy Systems. Prentice Hall, 1996.

MULAR, A., BHAPPU, R.B., Mineral Processing Plant Design. AIME, 2nd Edition,1980.

SEPÚLVEDA, J.E., GUTIERREZ, L. Dimensionamiento y optimización de plantas

concentradoras mediante técnicas de modelación matemática. CIMM, 1986.

View publication stats