L’écrasement et le broyage restent l’un des processus les plus à forte intensité énergétique de l’exploitation minière, représentant souvent près de la moitié de la consommation globale de l’opération minière – et potentiellement jusqu’à 1% de la pose de l’utilisation de l’énergie électrique générée par la planète.

Le processus fait partie intégrante de presque toutes les extractions, réduisant la taille du minerai pour mieux récupérer des minéraux précieux et le préparer à un traitement ultérieur. Cependant, comme de nombreux domaines de l’industrie minière, l’écrasement et le broyage s’appuyaient traditionnellement sur l’expertise humaine et le fonctionnement manuel, ce qui comporte le risque d’erreur humaine.

Cependant, avec des réparations, des inefficacités et un large éventail de types de minerai qui doivent tous être traités, Technologie d’exploitation Regardez si l’IA – équipée d’algorithmes avancés capables d’analyser de grandes quantités de données en temps réel – jouera un rôle plus important dans les opérations de broyage et de broyage alors que l’industrie semble devenir plus efficace, réduire la consommation d’énergie et réduire les émissions de carbone.

Les défis de l’écrasement et du broyage

«L’écrasement et le broyage, parfois appelés Comminution, sont parmi les processus les plus à forte intensité énergétique dans l’exploitation minière, ce qui représente jusqu’à 50% de la consommation totale d’énergie d’une mine», disent Wilson Monteiro, directeur mondial des lignes d’affaires, et Maarten Van de Vijfeijken, Gringing Product Marketing Product Marketing, chez ABB Process Industries.

«Cependant, le coût élevé de l’énergie n’est qu’un des défis du processus, avec l’usure des équipements, les inefficacités opérationnelles et la variabilité des propriétés du minerai, y compris la baisse des notes du minerai, ajoutant une pression supplémentaire au voyage vers des opérations de broyage plus durables et efficaces», ajoutent-ils.

Par exemple, les minerais durs ou abrasifs peuvent provoquer une usure rapide sur les concasseurs et les usines de broyage, avec une surveillance régulière et un remplacement des pièces aidant à minimiser les dommages à l’usure (et les temps d’arrêt inévitables associés).

«Les minerais plus durs nécessitent plus d’énergie pour se briser, tandis que les variations des propriétés du minerai peuvent entraîner des fluctuations des performances du processus», ajoute la paire. De plus, «les grades de minerai inférieurs nécessitent généralement des débits plus importants et, par conséquent, un équipement de processus plus important, ce qui rend essentiel d’utiliser des économies d’échelle pour traiter le minerai de bas grade économiquement».

Comment l’IA améliore l’écrasement et le broyage

Il n’y a «aucune solution unique lorsqu’il s’agit d’améliorer l’efficacité des opérations de concassage et de broyage, mais l’IA est une pièce importante du puzzle», selon ABB. L’entreprise indique spécifiquement le potentiel du contrôle des processus et des capacités de maintenance prédictive axée sur l’IA.

Les modèles d’apprentissage automatique (ML) sont capables de «analyser un flot de données de capteurs en temps réel pour prédire l’usure de l’équipement, optimiser la charge de moulin et ajuster les paramètres de fonctionnement dynamiquement», explique Monteiro et Van de Vijfeijken.

Les systèmes de contrôle des processus axés sur l’IA peuvent réduire la consommation d’énergie, améliorer le débit et améliorer la récupération du minerai.

«L’IA peut aider à garder [crushing and grinding] Les circuits fonctionnent de manière optimale pour minimiser la perte de récupération et maximiser l’efficacité globale du processus », a ajouté la paire.

L’utilisation de l’IA pour alimenter les solutions de maintenance prédictive minimise également les temps d’arrêt imprévus en identifiant les défaillances potentielles de l’équipement avant qu’elles ne se produisent. Les experts ABB soutiennent que si l’IA n’est «pas une solution autonome, son intégration avec l’automatisation avancée et l’analyse des données améliore considérablement l’efficacité et la rentabilité des processus de commissation».

Monteiro souligne les avantages de l’entraînement de moulin sans engrenage (GMD), qui «augmente intrinsèquement la disponibilité des moulins en éliminant tous les composants de train de conduite mécanique et génère un flux constant de données qui peuvent être analysées par des outils d’IA pour détecter les modèles et les tendances inhabituels tôt».

À la mi-mars, abb Copilot GMD introduitun assistant numérique propulsé par l’IA conçu pour optimiser le fonctionnement et la maintenance des GMD. La société affirme également qu’en éliminant «tous les composants de transmission mécanique et en étant capable de fonctionner à grande échelle, les GMD offrent des opérations plus efficaces et fiables avec des émissions plus faibles».

Pour Grant McHenry, directeur commercial régional Asie-Pacifique, Rockwell Automation, la technologie offre désormais des moyens d’atteindre l’augmentation du débit et du rendement tout en réduisant une consommation d’énergie spécifique. Cela peut être réalisé avec le contrôle avancé des processus (APC) établi et jumeaux numériques et IA.

Cependant, lorsqu’on lui a demandé si l’IA est le meilleur moyen d’améliorer l’efficacité de l’écrasement et du broyage dans l’industrie minière, McHenry a répondu: «Pas nécessairement, et en fait, nous avons constaté que la meilleure approche est de comprendre d’abord le problème du mineur, puis de rechercher la bonne technologie et les bons services d’ingénierie pour résoudre le problème.

“L’IA est certainement dans le mélange, mais sauter vers la dernière chose brillante peut ne pas résoudre le problème”, ajoute-t-il.

Techniques de contrôle des processus avancées

Une façon de «mieux comprendre les techniques pour améliorer les performances du processus» consiste à «optimisation du processus, en utilisant l’analyse des données dans la phase d’évaluation d’une application de concassage ou de broyage», note McHenry.

Ensuite, selon le problème, les solutions recommandées peuvent «appliquer des technologies très matures telles que le contrôle prédictif du modèle [MPC]… [or] De nouvelles technologies comme l’IA », dit-il.

«Les solutions à ces problèmes sont souvent de nature technique, et nous avons appliqué notre Pavilion8 Technologie de contrôle prédictif du modèle Pavilion8 À un certain nombre de circuits de concassage et de broyage au cours des dernières années, “, explique McHenry.” Chaque fois que nous ciblons soit une augmentation du débit, une augmentation du rendement, une réduction de l’énergie spécifique, une réduction de l’usure, une cohérence accrue de la mouture et une réduction de la dépendance à l’intervention de l’opérateur. “

MPC est un type de technologie de contrôle des processus avancé. Les systèmes de contrôle des processus avancés utilisent traditionnellement des modèles mathématiques linéaires ou non linéaires de l’usine industrielle aux côtés des algorithmes intelligents pour estimer les états non mesurés et les variables de processus de contrôle. Les systèmes sont utilisés pour aider à optimiser les processus en prédisant les comportements futurs.

Il y a plusieurs années, NewCrest Mining, l’un des principaux mineurs d’or australiens et un grand acteur de l’installation de Cadia en Nouvelle-Galles du Sud, devait augmenter la stabilité du processus global de récupération de l’or du minerai.

Selon un Étude de cas de RockwellNewCrest a mis en service l’évaluation de 12 mois de données historiques pour identifier les principaux paramètres du processus qui pourraient être contrôlés et modifiés. Pavilion8 MPC a été utilisé pour prédire comment le processus réagirait à la variabilité et aux perturbations extérieures, puis ajustées pour les résultats souhaités.

Rockwell a constaté que pour maximiser le débit, le circuit de broyage devait être exécuté aussi rapidement et efficacement que possible contre les contraintes en aval: le minerai entrant de broyage aux particules de taille appropriée dans le moins de répétitions du circuit possible. Le contrôleur MPC a surveillé et ajusté simultanément pour plusieurs variables, y compris la vitesse de broyage semi-autogène (SAG), le taux d’alimentation du minerai et le flux d’eau dans le moulin, entre autres.

ABB indique également que les systèmes de contrôle de processus avancés optimisent les circuits de broyage en ajustant en continu les paramètres basés sur des données en temps réel tandis que les technologies de capteurs aident à améliorer le traitement du minerai en fournissant des informations détaillées sur les performances de l’usine.

Amélioration des opérations de concassage et de grille

«Le développement de nouveaux produits et l’utilisation d’outils de simulation comme la modélisation d’éléments discrets contribuent également à une meilleure efficacité. En effet Technologie d’exploitation.

“Cette personnalisation – assortir les revêtements d’usure au corps du minerai – peut augmenter le débit, améliorer la durée de vie du moulin et des doublures, et il peut également réaliser le meilleur meule pour la récupération.”

He Parts International, qui fait partie de HCM, qui propose des services de maintenance et des consommables de concasseur, voit également un rôle pour la ML dans l’amélioration des opérations de broyage et de broyage.

«La ML est la clé pour analyser de grands ensembles de données, détecter les modèles, prédire les résultats et optimiser les paramètres du processus pour une plus grande efficacité. C’est là que HEPI estime fermement que l’avenir de l’optimisation des actifs proviendra», dit-il.

Cependant, malgré le potentiel de croissance de l’IA, ce n’est pas toujours la solution de choix pour optimiser les opérations de concassage et de broyage.

«Il y a toujours plus d’une façon de résoudre un problème», conclut McHenry, soulignant qu’il est important d’identifier quelle solution technologique serait le mieux adapté à un problème particulier.