Spatial modeling, mine scheduling and blending considerations about geometallurgical variables
Existe uma demanda crescente por estudos relacionados a variáveis geometalúrgicas, sua previsão espacial em um modelo de blocos e seu uso no planejamento de lavra. Esta tese visa esclarecer características importantes dessas variáveis e os dados obtidos a partir da medição de propriedades geometalúr...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2023 |
| País: | Brasil |
| Institución: | Universidade Federal do Rio Grande do Sul (UFRGS) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da UFRGS |
| Idioma: | inglés |
| OAI Identifier: | oai:www.lume.ufrgs.br:10183/257613 |
| Acceso en línea: | http://hdl.handle.net/10183/257613 |
| Access Level: | acceso abierto |
| Palabra clave: | Geometalurgia Lavra : Planejamento Geometallurgy Nonlinear variables Spatial modeling Mine schedule optimization Blending |
| Sumario: | Existe uma demanda crescente por estudos relacionados a variáveis geometalúrgicas, sua previsão espacial em um modelo de blocos e seu uso no planejamento de lavra. Esta tese visa esclarecer características importantes dessas variáveis e os dados obtidos a partir da medição de propriedades geometalúrgicas, que influenciam a aplicação de metodologias de estimativa espacial e também devem ser consideradas para o planejamento de lavra. As propriedades geometalúrgicas podem ser classificadas em propriedades intrínsecas da rocha ou propriedades de resposta. Dada a complexidade de medir as propriedades de resposta (por exemplo, custo, volume necessário para testes, precisão dos equipamentos), um banco de dados geometalúrgico tende a ser menor do que um banco de dados de exploração geológica, resultando em dados esparsos com diferentes suportes e valores faltantes. Além dessas particularidades relacionadas aos dados, as variáveis geometalúrgicas geralmente têm uma média não linear e exibem um comportamento multivariado complexo. Essas especificidades requerem tratamento especial para a estimativa espacial. Duas metodologias são empregadas nesta tese: uma abordagem por modelagem geoestatística multivariada e outra por aprendizado de máquina. É feita uma análise de suas diferenças e quando usar cada método. A primeira é sugerida quando é possível inferir os variogramas de todas as variáveis e a incerteza conjunta é importante; a segunda é mais indicada quando a inferência de variogramas não é possível e quando existem altas correlações entre as variáveis. O impacto das complexidades das variáveis geometalúrgicas se estende ao planejamento da lavra. A média não linear de uma mistura está relacionada à transformação do valor estimado no bloco de lavra para o valor do material que alimenta a usina de beneficiamento. Considerando que há uma mistura durante a lavra e o beneficiamento mineral, os valores estimados nos blocos não se concretizam quando processados, pois nenhum bloco é alimentado sozinho e sim em conjunto com outros blocos em uma mistura. Portanto, o valor estimado em um bloco deve considerar os valores dos outros blocos com os quais ele se mistura. O planejamento da lavra deve ser programado para formar as melhores misturas em relação à resposta da planta de beneficiamento. Um modelo de mistura é necessário para que o planejamento da lavra possa otimizar o sequenciamento de blocos. Quando há uma mistura sinérgica, o sequenciamento ótimo será aquele que mistura materiais diferentes. Quando há mistura antagonista, é melhor extrair blocos semelhantes em sequência. De qualquer forma, um melhor planejamento de lavra é possível quando se considera a mistura de minério e variáveis não lineares. |
|---|