Élaboration d’un modèle avancé de prévision de la capacité pour Minera Los Pelambres (Development of an Advanced Throughput Forecast Model for Minera Los Pelambres) (en anglais seulement)

Auteur(s) L. Rodriguez, M. Morales, W. Valery, R. Hayashida, B. Bonfils et C. Plasencia
Présenté dans le cadre de la conférence SAG 2023 – Vancouver, Colombie-Britannique, Canada – du 24 au 28 septembre 2023

Résumé

La mine Minera Los Pelambres (MLP) est une mine de cuivre dans le centre-nord du Chili. Le circuit de comminution est constitué de deux concasseurs primaires et trois circuits de broyage semi-autogène (SABC) qui traitent 175 000 tonnes par jour. La MLP a élaboré un modèle de capacité empirique à l’aide de sa base de données exhaustive sur les carottes de forage. Les principaux paramètres étaient la taille de l’alimentation du broyeur semi-autogène (dimension de 80 % passant ou F80), les paramètres de fragmentation du minerai et de comminution (Axb et BWi) et les proportions du mélange d’alimentation. Le modèle a obtenu une bonne précision avec des erreurs relatives moyennes de 3,5 % et de 3,2 % sur une base mensuelle et annuelle, respectivement. Toutefois, la MLP visait à améliorer davantage la précision et à éliminer le besoin de recalibrage fréquent pour faire face aux changements dans les caractéristiques du minerai et les conditions d’exploitation. Les services de Hatch ont été retenus pour examiner le modèle actuel, la caractérisation du minerai, la fragmentation par explosion et l’exploitation de l’usine et pour élaborer un nouveau modèle de prévision de la production énergétique. Ce modèle semi-mécaniste permet de mieux prévoir la taille de l’alimentation du broyeur semi-autogène en fonction des caractéristiques de la roche et de la modélisation de la fragmentation par explosion, et tient compte des matières grossières (F80) et fines (-10 mm) dans l’alimentation. Ainsi, le nouveau modèle obtient des erreurs relatives plus faibles (3,0 % et 1,4 % sur une base mensuelle et annuelle, respectivement). Le nouveau modèle est plus fiable pour les changements futurs dans les caractéristiques du minerai, ce qui élimine le besoin de recalibrage fréquent et améliore la précision à long terme.