Ir al contenido

Proyecto para la reducción del consumo de energía y agua en minería finaliza con éxito primer año de trabajo

Interesantes resultados se han obtenido en el primer año de investigación del proyecto titulado “Reducción del consumo de energía y agua de las operaciones mineras mediante la fusión de tecnologías de clasificación LIBS y ME-XRT (REWOSort®)”, en el que participan las Universidades de Chile (Chile) y de Tecnología de Luleå (Suecia), junto a las instituciones alemanas Fraunhofer EZRT y Secopta.

La investigación tiene como objetivo mejorar las capacidades de los sistemas de sorting de minerales desarrollados hoy en día mediante la incorporación de tecnologías combinadas de análisis de materiales. La idea es implementar nuevas y mejores estrategias para aumentar el rendimiento de este tipo de sistemas.

El proyecto es cofinanciado por CONICYT y dirigido desde Chile por el Dr. Gonzalo Montes, y co-dirigido por los Prof. Aldo Casali y Álvaro Valencia, todos académicos de la Facultad de Ciencias Físicas y Matemáticas de la Universidad de Chile.

Según explica el Dr. Montes la investigación pretende desarrollar una tecnología de fusión que incluye la espectroscopia de ruptura inducida por láser (LIBS) y la transmisión de rayos X de múltiples energías (ME-XRT), y otros, que permitirá realizar el sorting de partículas minerales presentes en cintas transportadoras, con el apoyo de tecnologías de Deep Learning.

“La combinación de las técnicas de análisis LIBS y ME-XRT es prometedora, ya que estos sensores se complementan entre sí con respecto a sus capacidades analíticas. Por un lado, LIBS puede proporcionar un análisis elemental de la superficie de la muestra, mientras que ME-XRT produce datos volumétricos de baja precisión”, comenta. Y agrega que “la fusión tecnológica de ambos sensores posibilitará la extrapolación de datos de superficie precisos a todo el volumen de la muestra y, por lo tanto, hará posible la creación de datos representativos para todo el mineral”.

“Adicionalmente la implementación de estrategias de Deep Learning con esta tecnología hará posible el autoajuste automático de diversos tipos de minerales y parámetros geológicos”, indica.

Estudios preliminares de LIBS como de ME-XRT sobre muestras minerales reales evidencian resultados prometedores en la determinación de la concentración de cobre y otros elementos usados como la base para la clasificación de acuerdo a criterios precisos.

Interesantes resultados

En tanto, el Prof. Álvaro Valencia añade que “se han obtenido resultados interesantes sobre cómo se puede aumentar la capacidad de procesamiento, manteniendo al mismo tiempo la monocapa de partículas sobre cintas transportadoras planas”, característica clave para el funcionamiento óptimo de la tecnología de sorting. Comprender la dinámica de partículas en esta operación se vuelve posible utilizando herramientas de simulación computacional mediante elementos discretos. ESSS, empresa multinacional de software de simulación para ingeniería, colaborando con esta investigación, ha facilitado licencias de su herramienta Rocky DEM® para cumplir este objetivo.  

“Utilizando simulaciones se lograron obtener resultados preliminares que indican que puede existir un umbral en el valor de la superficie cubierta de la correa transportadora por partículas minerales de aproximadamente 85% cuando se trabaja con minerales que contienen sulfuro de cobre, trabajando a 2,5 kg/s y una velocidad lineal de la cinta transportadora de 0,6 m/s", comenta.

Y señala que “estos resultados nos proporcionan mejorar nuestro conocimiento en relación con el uso de sistemas de sorting para altos tonelajes, al tiempo que favorecerán la implementación de mejoras en estos sistemas de concentración primaria”.

"Los estudios futuros se centrarán en la incorporación formal de parámetros dinámicos asociados al material que se alimenta utilizando diseños de canalizaciones específicas para optimizar la velocidad de flujo del material al equipo de sorting", concluye.