Comment optimiser le rendement de précipitation du cobalt ? Une étude méthodologique

L’optimisation du décobaltage primaire révèle des résultats surprenants sur la précipitation du cobalt. Cette étude innovante propose un outil décisionnel qui pourrait transformer les pratiques industrielles, en maximisant le rendement tout en réduisant la consommation de magnésie et la coprécipitation des impuretés.

Université de Lubumbashi

Faculté Polytechnique

Département de chimie industrielle

Diplôme de Bachelier en Science de l’ingénieur

Project presentation

Étude Prédictive du Rendement de Précipitation du Cobalt, des Impuretés et de la Consommation de la Magnésie lors du Décobaltage Primaire

Présenté par l’Étudiant
KAUMBA KALUMENDE Nathan

Supervisé par: Prof. Emérite ILUNGA NDALA

JANVIER 2024

Ce travail présente les résultats d’une étude prédictive du rendement de précipitation du cobalt, des impuretés et de la consommation de la magnésie lors du décobaltage primaire pour un cas d’un minerai cupro-cobaltifère de Tenke Fungurume Mining.

L’objectif de cette étude est d’élaborer un outil mathématique et graphique d’aide à la décision, destiné au personnel qui gère la section de décobaltage, cet outil a pour finalité d’optimiser le rendement de précipitation du cobalt et de minimiser la coprécipitation des impuretés (Cu, Fe, Mn, Mg et Al) ainsi que la consommation de la magnésie.

Pour y parvenir, nous avons réalisé une modélisation type boîte noire suivant un plan composite centré (plan de surface de réponse), ce plan nécessite 5 niveaux pour chaque facteur ( -, -1, 0, +1 +  ). Pour évaluer les effets quadratiques, nous avons opté pour le critère de précision uniforme  égale à 1.68. En variables réelles, ces valeurs correspondent à (6,8 ;7,1 ;7,55 ;8 ;8,3) pour le pH ; (31,6 ;35 ;40 ;45 ;48,4) °C pour la température et (11,6 ;13 ;15 ;17 ;18,4) % pour le pourcentage solide de la magnésie.

La modélisation mathématique à l’aide des données expérimentales nous a conduit à l’élaboration d’un total de 7 modèles mathématiques dont 2 modelés traduisent fidèlement le processus (rendement de précipitation du Mn et consommation de la magnésie). L’outil graphique nous a montré qu’en prenant en compte les effets linéaires de facteurs, on constate que le rendement de précipitation de l’aluminium, du magnésium et du fer est plus influencé par la température ; le rendement de précipitation du cuivre est plus influencé par le pourcentage solide de la magnésie ; le rendement de précipitation du manganèse est plus influencé par le pH ; le rendement de précipitation du cobalt est beaucoup plus influencé par le pH et le pourcentage solide ; en ce qui concerne la consommation de la magnésie, on a constaté que les valeurs extrêmes (1,68) des facteurs sont à la base de fortes consommation de la magnésie.

Mots-clés : Précipitation, rendement, modélisation.

ABSTRACT This work presents the results of a predictive study of the precipitation yield of cobalt, impurities and the consumption of magnesia during primary decobalting for a case of a cuprocobaltiferous ore from Tenke Fungurume Mining.

The objective of this study is to develop a mathematical and graphical decision support tool, intended for the staff who manage the decobalting section, this tool aims to optimize the precipitation yield of cobalt and minimize the coprecipitation of impurities (Cu, Fe, Mn, Mg and Al) as well as the consumption of magnesia.

To achieve this, we carried out a black box modeling following a central composite design (response surface design), this design requires 5 levels for each factor ( -α, -1, 0, +1 +α ), to evaluate the quadratic effects, we opted for the uniform precision criterion α equal to 1.68; in real variables, these values correspond to (6.8; 7.1; 7.55; 8; 8.3) for the pH; (31.6; 35; 40; 45;48.4) °C for the temperature and (11.6; 13; 15; 17; 18.4) % for the solid percentage of magnesia.

The mathematical modeling using the experimental data led us to the development of a total of 7 mathematical models, of which 2 models faithfully reflect the process (precipitation yield of Mn and consumption of magnesia). The graphical tool showed us that by taking into account the linear effects of factors, we notice that the precipitation yield of aluminum, magnesium and iron is more influenced by the temperature; the precipitation yield of copper is more influenced by the solid percentage of magnesia; the precipitation yield of manganese is more influenced by the pH; the precipitation yield of cobalt is much more influenced by the pH and the solid percentage; as for the consumption of magnesia, we found that the extreme values (1.68) of the factors are the basis of high consumption of magnesia.

Keywords: Precipitation, yield, modeling.

INTRODUCTION

Le décobaltage est une étape cruciale du processus de traitement métallurgique d’un minerai cupro-cobaltifère, il vise à séparer par précipitation le cobalt des autres métaux (impuretés) présents dans la solution en utilisant un agent précipitant.

Aux usines de Tenke Fungurume Mining (TFM), pour améliorer la qualité du produit (hydroxyde de cobalt), la production du cobalt passe par multiples étapes qui consistent d’abord à éliminer les impuretés avant de passer à la dernière étape qui consiste à récupérer le cobalt sous la forme d’hydroxyde. Les opérations précédentes n’étant pas parfaites, certaines impuretés se retrouvent dans la solution au décobaltage. Ces impuretés rendent complexe le processus de décobaltage et sont souvent à la base de la dégradation de la qualité du produit.

Suite à ce problème nous avons initié une thématique de recherche « Etude prédictive du rendement de précipitation du cobalt, des impuretés et de la consommation de la magnésie lors du décobaltage primaire pour le cas d’un minerai cupro-cobaltifère de TFM ». Cette étude se veut être, une contribution à l’élaboration d’un outil mathématique et graphique d’aide à la décision lors des opérations de décobaltage.

C’est ainsi que l’objectif de cette étude est d’élaborer un outil mathématique et graphique d’aide à la décision, destiné au personnel qui gère la section de décobaltage. Cet outil a pour finalité d’optimiser le rendement de précipitation du cobalt et de minimiser la coprécipitation des impuretés (Cu, Fe, Mn, Mg et Al) ainsi que la consommation de la magnésie.

Pour atteindre l’objectif, nous avons réalisé une modélisation type boîte noire suivant un plan composite centré (plan de surface de réponse), ce plan nécessite 5 niveaux pour chaque facteur ( -α, -1, 0, +1 + α ). Pour évaluer les effets quadratiques, nous avons opté pour le critère de précision uniforme α égale à 1,68.

Outre l’introduction et la conclusion, ce travail est subdivisé principalement en deux parties classiques à savoir :

• Une première partie bibliographique, qui comprend la description générale de l’entreprise (des usines de Tenke Fungurume Mining), les généralités sur la précipitation des métaux et la modélisation par l’approche des plans composites.
• Une deuxième partie expérimentale qui décrit le matériel et méthodes utilisés, la présentation et l’analyse des résultats obtenus.

CHAPITRE I. DESCRIPTION DES USINES DE TENKE FUNGURUME MINING

Ce chapitre donne un aperçu général sur l’entreprise Tenke Fungurume Mining ainsi que le déroulement de ces opérations minéralurgiques et métallurgiques.

HISTORIQUE

La société SMTF (Société minière de Tenke Fungurume) a mis fin à ces opérations vers les années 1977-1978. Ses activités sont quasi nulles dû à un manque d’adaptation de ses technologies aux conditions géologiques et métallurgiques des gisements de cuivre et de cobalt de ses concessions (Custers, et al., 2008).

Une nouvelle société a repris les concessions de Tenke et Fungurume en 1996 et s’appelle Tenke Fungurume Mining. La société Tenke Fungurume Mining SA était détenue à l’origine par Phelps Dodge : 57.75% ; Tenke Mining Corp. : 24.75% ; et Gécamines : 17.5%. Freeport- McMoRan et Phelps Dodge ont fusionné le 19 mars 2007 (Custers, et al., 2008).

En 2006, la structure actionnariale de l’entreprise comprend Freeport McMoRan à 56 %, Lundin Holdings à 24% et Gécamines à 20 %. La construction a commencé fin 2006 et la première cathode de cuivre a été produite en 2009 (Sandoval, et al., 2016).

En 2010, le gouvernement congolais et Freeport McMoRan ont annoncé une conclusion réussie du processus de révision des contrats de TFM (Kathleen, et al., 2010).

Le 9 mai 2016 China Molybdenum a annoncé avoir conclu un accord définitif avec Freeport- McMoRan portant sur l’acquisition de sa participation de 56% dans la mine de cuivre et cobalt de Tenke Fungurume et a annoncé en 2018 le rachat des parts de la société Lundin Mining et devient l’actionnaire principal avec 80% de parts et la Gécamines y conserve quant à elle 20 %.

LOCALISATION GEOGRAPHIQUE

Les gisements de cuivre-cobalt de Tenke Fungurume seraient parmi les plus grands gisements connus au monde. Les opérations de TFM se trouvent dans des concessions minières contiguës totalisant 1437 km2 et sont situées à environ 10°S de latitude S et 26°E de longitude E, à environ175 km au nord-ouest de Lubumbashi, dans la province du Lualaba en République démocratique du Congo (RDC), comme le montre la Figure I-1 (Nilsson, et al., 2014).

[1_optimisation-du-decobaltage-primaire-methodologie-essentielle_1]

Figure I-1 : Géolocalisation des opérations de Tenke Fungurume Mining (Google earth)

MINERALOGIE

Les mines de Kwatebela, principales fournisseuses des minerais aux usines de Tenke Fungurume Mining, contiennent des minerais dont la teneur moyenne est de 4,7% en cuivre et de 0,47% en cobalt, ces minerais sont accompagnés d’autres éléments, la caractérisation minéralogique et chimique des minerais est reprise dans les tableaux suivants (Phelps dodge corporation, 2007) :

Tableau I-1 : Caractérisation minéralogique

Tableau I-2 : Caractérisation chimique