Sistemas avanzados de automatización y control para plantas de sinterización

El proceso de sinterización (Fig. 1) es un proceso metalúrgico realizado en una máquina de sinterización (*sinter strand*). Es un proceso de aglomeración térmica, intensivo en energía, donde numerosos parámetros (>500) interactúan simultáneamente: transferencia de calor, masa y cantidad de movimiento acoplada a reacciones químicas. Esta complejidad, junto con características de continuidad, no linealidad, variabilidad temporal, incertidumbre e histeresis grande, hace que su control sea un reto mayor.

Objetivo y relevancia del sinter

La sinterización es pretratamiento esencial en la preparación de carga del alto horno: aglomera finos de mineral de hierro, finos de retorno, fundentes y *coke breeze* (tamaño <10 mm) para obtener *sinter* cribado (5-30 mm) que soporte presión y temperatura en el alto horno. La aglomeración se logra por combustión: aire succionado a través de la cama de mezcla en la banda; partículas de combustible en capa superior se encienden en horno de ignición y el frente de combustión avanza gradualmente hacia abajo hasta el final de la banda.

Controlar emisiones gaseosas del *sinter plant* (gran volumen, muchos contaminantes tóxicos) es también crítico para cumplimiento ambiental.

Evolución: de operación manual a automatización avanzada

Durante mucho tiempo el control dependió de la experiencia del operador, generando fluctuaciones inevitables por histeresis, variabilidad en adquisición/detección de datos, diferencias en conocimiento/juicio de operadores, distribución de responsabilidades y factores fisiológicos/psicológicos/ambientales. El impacto aumenta con la escala de la máquina, creando la necesidad imperativa de automatización y control.

Objetivos y beneficios del sistema de automatización y control

Objetivos principales:

1. Minimizar consumo de combustible (factor clave en costes de producción).
2. Evitar acciones de control bruscas (acciones menores estabilizan considerablemente la máquina).
3. Evitar situaciones críticas (reacción temprana a mezcla inhomogénea, ignición superficial deficiente, combustión incompleta → proceso más suave, calidad uniforme).
4. Decisiones operativas coordinadas en todos los turnos → condiciones constantes, mayor vida de equipos, menores costes.
5. Reducir emisiones (modo lazo cerrado optimiza parámetros dentro de límites ambientales, especialmente SO₂).

Beneficios: alta productividad (rendimiento pico minimizando energía eléctrica y combustible); calidad de producto (propiedades químicas, físicas, mecánicas en objetivo); consumo reducido de combustible (mezcla precisa de cargados y control ideal de finos de retorno según condiciones térmicas en banda); operación estable e independiente de turno; fácil integración de modelos metalúrgicos; respuesta rápida a demandas del alto horno; amortización rápida (estándar <1 año).

Control de calidad desde la materia prima

Parámetros químicos y físicos (basicidad, tamaños) deben cumplir objetivos dentro de desviaciones estándar. Calidad del sinter comienza en selección y mezcla de materias primas en patio de homogenización y planta de dosificación, integradas en modelo de control común. Propiedades químicas homogenizadas por adaptación automática de mezcla. Control mejorado de *burn-through point* (BTP) incorporando propiedades físico-químicas de la mezcla. Sistema contrarresta fluctuaciones mediante control en lazo cerrado.

Arquitectura jerárquica de automatización (seis capas)

La automatización del *sinter plant* se divide clásicamente en Nivel 0 (campo) a Nivel 3 (gestión), sistema jerárquico de tres niveles que usa DCS (sistema de control distribuido), PCS (sistema de computadoras de proceso centralizado) y CCS (sistemas de computadoras centrales de la acería).

• DCS (Nivel 1): monitorización y control integrados (computadoras de control digital, sensores, transmisión); control de lazo local y avanzado con consignas del PCS. Funciones: medición de distribución de velocidad de viento y temperatura de gas a lo largo de la banda, control digital directo (DDC).
• PCS (Nivel 2): recopila y procesa datos del DCS; control de consignas y guía operativa integral según instrucciones del CCS. Modelos de proceso para estrategias de control de nivel superior integrados con sistemas de medición especiales.
• CCS (Nivel 3): nivel superior; bases de datos de ferretería; recopila/almacena información de subordinados; planificación de compras y producción, informes de producción, análisis técnico de datos. Ahorra recursos humanos, reduce costes operativos, mejora gestión. Sistemas inteligentes reducen dependencia de experiencia de operadores.

Figura 2: jerarquía del sistema de automatización y control de *sinter plant*. Figura 3: esquema del sistema.

Enfoque modular y desarrollo de modelos por áreas

La complejidad del proceso limita la aplicación de modelos matemáticos globales; el desarrollo de modelos ha avanzado por áreas → enfoque modular para automatización y control. Sistema caracterizado por estructura modular. Además de funciones básicas (adquisición de datos, ejecución de consignas), los controles tecnológicos (lazos principales) se implementan en automatización básica: control de ratio de mezcla, alimentación de mezcla, control de humedad, nivel de *surge-hopper*, control de alimentador de tambor, control de campana de ignición, control de enfriador de gases de escape, control de enfriador de sinter. Foco: asegurar proceso suave y fiable y permitir optimización continua.

Interfaces flexibles, modularización y arquitectura software moderna facilitan adaptación a entornos cambiantes (materias primas, filosofía operativa, conectividad con terceros). Junto a base robusta, numerosos modelos de proceso interactivos apoyan decisiones diarias de operadores e ingenieros metalúrgicos. Requisitos específicos de planta incorporados a modelos. Transparencia *end-to-end* en tiempo real mediante visualización actualizada y modelos metalúrgicos → mejor colaboración, flujos de trabajo mejorados, menos errores, apoyo a decisiones.

Ejemplos históricos de desarrollo

KSC (Kawasaki Steel Corp.): SECOS y OGS

• SECOS (Sintering Energy Control System): detecta y controla nivel de energía térmica rápidamente en rango permitido. Parámetros: (i) cantidad de carbono de mezcla quemado en pallets (balance de carbono detectando volumen y composición de gas residual), (ii) ratio de zona caliente de sección transversal de *sinter cake* en extremo de descarga (cámara). Ajusta ratio de mezcla de coque. Mejoras en calidad y productividad.
• OGS (Operation Guidance System): objetivo permeabilidad estable de cama para calidad óptima. Tras ingresar datos de producción, evalúa permeabilidad, calidad, productividad. Dos sub-sistemas: evaluación de permeabilidad y auto-ajuste de valor estándar de evaluación.

Otros sistemas japoneses (1980s en adelante: IA para sinterización)

• Control de operación *sub-gate* (Kobe Steel, NKK, KSC).
• Nuevo control BTP por velocidad de banda (NKK).
• ADONIS (*Artificial Dexterous Nimble System*) (NSC).
• K-SAC (*Kawasaki Sinter Automatic Control*) (KSC).
• Sistema de operación sin tripulación (NKK).

ArcelorMittal + CRM (Bélgica, 1992)

Sistema experto con Nexpert Object (software) y VAX VMS (hardware) controlando 200 parámetros cada 15 s. Beneficios: menor desviación estándar de FeO, mejora RDI (*reduction degradation index*), mejor control de BTP (punto donde temperatura de gas residual alcanza máximo = frente de llama llega al fondo de cama) y perfil de temperatura en cajas de viento.

ArcelorMittal (1994)

Control de banda basado en análisis de CO, CO₂, O₂ en gases de escape de cajas de viento, acoplado a modelo de balance de calor escalonado de IRSID. Experiencia mostró variación en productividad, BTP, temperatura máxima de frente de llama y fracción de fundido en cama a T máxima, como función de parámetros. Productividad teórica depende de balance de finos de retorno y flujo de mezcla. Diferencia productividad real/medida rastrea bien efecto de balance de finos. BTP calculado depende de flujo y composición química de mezcla (contenido C en mezcla mineral, humedad en combustible) y CO₂ en gas de escape. Diferencia BTP calculado vs. medido (temperaturas bajo parrilla): desviación media 1-2 m; aumento = aviso. Temperatura máxima de frente de llama y fracción de fundido dependen de aportes/requerimientos de calor conectados a composición química de mezcla.

British Steel Corp. (1994)

VAX 4000/500 central (4500 señales) + dos MicroVAX 3100/80 auxiliares. Mejora determinación de humedad óptima de mezcla tras cambio de cama. Monitorización constante → cálculo continuo de permeabilidad basado en flujos de gas/aire a horno de ignición. Figura 5: relación humedad de mezcla vs. permeabilidad → óptimo observable; fuerte influencia de humedad en permeabilidad.

Medición de FeO y control de BTP

Sistema de bobina en cinta transportadora de producto mide FeO. Mejora control FeO → ahorro 1 kg coque/t sinter. Mayor eficiencia de uso de banda midiendo y controlando BTP (máxima temperatura). Modelo BTP en computadora de planta calcula y detecta BTP a lo largo de banda midiendo temperatura bajo parrilla en últimas 8 cajas de viento. Calcula velocidad de banda propuesta para alinear BTP real con consigna usuario → notifica a operador. Control de velocidad con modelo → utilización de banda +1 %.

WISCO (China) + VAI (Austria)

Modelo calcula 700 valores en dos niveles de automatización + módulos de optimización. Objetivos: +5 % producción, -2 % consumo coque, disponibilidad >99,5 %. Nivel 1: datos principales (análisis materias primas y sinteres) presentados gráficamente al operador. Nivel 2: control lazo cerrado (sin interacción humana); varios consignas calculadas simultáneamente y verificadas (flujo mezcla, ratios materiales, adición agua, velocidad banda para control BTP). Conmutación Nivel 1↔Nivel 2; si Nivel 2 falla, Nivel 1 retoma control. Figura 6: visión general control productividad *sinter plant*.

POSCO (Pohang): monitorización visual integrada y sistema guía

50 termopares, 5 medidores de flujo en cama, imagen térmica, control de apertura *sub-gate*. Termopares bajo cajas 15-25; 5 medidores en caja 6. Operador mantiene proceso óptimo/estable. Visualización da velocidad pallet, densidad carga, contenido combustible. Fluctuaciones T gas residual bajo pallet disminuyen considerablemente. Control automático *sub-gate* → menos finos retorno, mayor rendimiento. Figura 7: layout monitorización visual.

POSCO (Gwangyang): medición en línea de humedad en minerales y coque

Basada en fuente rápida de neutrones. Neutrones rápidos colisionan con átomos H en agua mineral → pierden energía proporcional a nº átomos H → humedad determinada por sensor que detecta neutrones lentos resultantes (Fig. 8). Calibrada para compensar variaciones T y humedad ambiente anual. Figura 8: sistema compensación línea calibración.

Desarrollo de modelos para el proceso de sinterización

Durante sinterización, reacciones químicas y transformaciones de fase ocurren por cambios de frente térmico y modificaciones de composición local de gas y temperaturas iniciales de fusión de mezcla. Al alcanzar T y composición local, transformaciones impulsadas por aporte de calor y difusión en cama de partículas; mecanismo de formación de líquido juega papel principal. Materiales se funden parcialmente al alcanzar T de fusión; contacto con gas frío promueve re-solidificación → aglomeración forma *sinter cake* poroso continuo. Propiedades finales dependen fuertemente de ciclo térmico, composición química inicial y propiedades termo-físicas desarrolladas.

Metodología de modelado

Basada en ecuaciones de transporte multi-fase y multi-componente de cantidad de movimiento, masa y energía para fases gas, sólido y líquido, considerando fenómenos locales de formación de *sinter* poroso (Fig. 9). Fases interactúan simultáneamente; especies químicas de cada fase calculadas por ecuaciones de conservación de especies. Descripciones precisas de tasas de intercambio de cantidad de movimiento, energía y reacciones químicas son esenciales para precisión completa.

Especies químicas tratadas individualmente resolviendo ecuación de transporte de cada especie de fases gas y sólido. Fase sólida: mezcla de alimentación de mineral, sinter fino (retorno), *coke breeze* (u otro combustible sólido), escamas (finos de acería), fundentes. Fase líquida: componentes fundidos y formados en fase líquida. Fase re-solidificada: líquidos re-solidificados y fases formadas durante re-solidificación, dependen fuertemente de composición local líquida e intercambio de calor. *Sinter cake* final: mezcla de estos materiales; calidad depende de composiciones finales, fracciones volumétricas y distribución en estructura mosaico.

Supuesto: fase líquida formada se mueve con fase sólida restante por viscosidad, considerando líquido formado adherido a superficie de partículas no fundidas → ecuaciones de transferencia de cantidad de movimiento y entalpía de sólidos contabilizan esta mezcla viscoso-sólida. Propiedades termo-físicas dependientes de T-composición siguen regla de mezcla por fracciones volumétricas de fase.

Avances recientes en modelado y simulación

• 2012 (Hauck et al.): modelo predictivo de perfil T cajas de viento y posición/temperatura BTP integrado en sistema de control de estabilización → estabilización parámetros calidad, aumento productividad, reducción dosificación combustible.
• 2012: simulación computacional del proceso basada en concepto multi-fase con múltiples componentes (ecuaciones conservación cada componente acopladas a cantidad de movimiento, reacciones químicas, transferencia calor). Validación comparando predicciones con datos industriales promediados y mediciones locales T en banda → buen acuerdo con valores promediados industriales.
• 2013 (Saiz y Posada): modelo matemático para control BTP (posición y T) en plantas sinterización (ArcelorMittal Asturias: velocidad banda y consumo coque como variables control, BTP posición/T en algoritmo). Resultados: +4-5 % productividad, -5,2-5,5 % consumo coque, -37-45 % finos retorno.
• 2014: inferencia difusa (*fuzzy logic*) para coordinar conocimiento objetivo (modelos matemáticos) y subjetivo (información lingüística no cuantificable matemáticamente, ej. experiencia operador). Nuevo enfoque basado en inferencia difusa para control de compuertas de carga. Dos estrategias: (1) invasiva en condiciones operativas, plantas baja productividad (ej. reinicio tras parada) → maximizar productividad; (2) conservadora, también maximiza productividad pero máquina sensible a cambios en compuertas.
• 2016: software optimización coste sinter basado en características calidad. Índices *Tumbler* y RDI estimados por sistema de inferencia difusa tipo Sugeno. Datos históricos 6 años en estudios estadísticos multivariantes → software da mezcla *blend* menos costosa satisfaciendo requisitos calidad. Ahorros económicos y mejora calidad.
• Estudios de simulación: efecto tasa combustión coque en distribución T en sinterización mineral hierro; crecimiento de vacíos y grietas en *sinter cake*. 2015: simulación y optimización recuperación calor residual de enfriamiento sinter.