MINERÍA la mejor puerta de acceso al sector minero EDICIÓN 570 / MARZO 2025 30 métodos podrían generar gastos innecesarios en infraestructura no requerida, complejidad en la operación y una mayor huella de carbono en el proyecto. La alternativa propuesta, denominada Pysight, se enfoca en la determinación del tajo óptimo por aproximación. Por lo tanto, realiza iteraciones automatizadas para generar diferentes escenarios posibles a través de combinaciones de variaciones de las leyes de corte para los minerales finos y gruesos. La automatización de este proceso mediante el uso del lenguaje de programación Python y librerías (Itertools, Subprocess, Os, Pandas) permite realizar análisis exhaustivos y tomar decisiones fundamentadas en base a resultados cuantitativos. Los resultados son una serie de casos con todos los parámetros esenciales para un análisis detallado y robusto respecto a la selección del tajo óptimo que cumple con el blending. Objetivos General Brindar una herramienta y metodología alterna a las tradicionales para incluir el blending como parte de la optimización del tajo. Específicos La finalidad del trabajo técnico es: Generar una gran cantidad de tajos optimizados de forma automatizada. Seleccionar la mejor alternativa en términos de cumplimiento del blending de 2 a 1 (mineral grueso/mineral fino). Seleccionar la mejor opción en términos de valor económico. Desarrollo y recolección de datos En el ámbito de la minería, diversos autores, tanto del campo de la metalurgia como de la minería en general, han abordado el tema de la combinación de materiales, también conocido como "blending". Este aspecto es fundamental para la industria minera en su conjunto, ya que tiene un impacto significativo en el rendimiento y la rentabilidad de las operaciones mineras (Rendu, 2014). El rendimiento de la planta puede verse afectado por diferentes características de los materiales utilizados. Entre estas características, la dureza, el índice de trabajo y la proporción de arcillas son particularmente problemáticas (Wharton, 2004). La dureza del material puede influir en la eficiencia de los procesos de trituración y molienda, mientras que el índice de trabajo refleja la resistencia del material a ser fragmentado. Por su parte, las arcillas presentan desafíos adicionales debido a sus características al ser un material fino, este no permite la percolación, por ende, pueden llegar a ser nocivos en la recuperación y puesto de un pad de lixiviación (Rendu, 2014). La combinación adecuada de materiales mediante el blending puede ayudar a optimizar la eficiencia operativa y maximizar la recuperación de los minerales de interés (Wharton, 2004). Al mezclar diferentes tipos de material con propiedades complementarias, es posible mejorar la calidad del mineral procesado y minimizar los problemas asociados con características no deseadas, como las arcillas. La combinación mencionada, puede tener un impacto significativo en la rentabilidad de la operación, ya que influye en los costos de procesamiento y porcentaje de recuperación (Rendhu, 2014), así como en la calidad y el valor de los productos finales. El uso de Python como lenguaje de programación proporciona flexibilidad y poder computacional para llevar a cabo análisis complejos y optimizaciones (Rodríguez, 2016). En el caso de estudio realizado, se emplearon diversas librerías de Python que desempeñaron un papel fundamental en el desarrollo y la implementación del algoritmo. Estas librerías incluyeron: Itertools: proporciona herramientas para generar y combinar iterables, lo cual es útil en el proceso de generación de escenarios y combinaciones de materiales para el blending (Mertz, 2015). Subprocess: permite ejecutar comandos del sistema operativo desde el algoritmo de Python, lo cual es especialmente útil para integrar el algoritmo con otros sistemas o herramientas utilizadas en la operación minera (Muller, 2021). Os: proporciona funciones para interactuar con el sistema operativo, permitiendo el acceso y manipulación de archivos y directorios (Porter et al, 2011). En el caso de Pysight, esta librería fue utilizada para cargar los archiTabla 1. Ley de Corte para Generar Escenarios Rango Fino (g/t) Grueso (g/t) 1 0.31 0.1 2 0.33 0.12 3 0.35 0.14 4 0.39 0.16 5 0.41 0.18 6 0.43 0.2 7 0.45 0.22 8 0.47 0.24 9 0.49 0.26 10 0.51 - 11 0.53 - 12 0.55 -
RkJQdWJsaXNoZXIy MTM0Mzk2