Variáveis de impacto no sequenciamento de lavra

Autores

DOI:

https://doi.org/10.33448/rsd-v11i12.34146

Palavras-chave:

Otimização; Avanços; Sequenciamento; Análise de componentes principais.

Resumo

O planejamento de mina é desenvolvido considerando variáveis econômicas, teores, litologia, posição espacial. Estas variáveis são utilizadas para determinar o limite final de cava e sequenciamento das operações. Normalmente são amostradas exaustivamente somente as variáveis relacionadas ao teor. As demais variáveis são configuradas com valores médios. As técnicas de estatística multivariada permitem determinar as variáveis de maior impacto. Utilizando um modelo geológico de cobre e ouro será determinado a cava final e sequenciamento de lavra utilizando o algoritmo de Lerchs-Grossmann. O modelo de blocos resultante será avaliado quanto as variáveis fora do padrão da população. Foram padronizados e transformados em variáveis contínuas adequadamente os elementos da população. Será utilizado a técnica de análise de componentes principais para determinar as variáveis mais importantes do sequenciamento de lavra e cava final. O objetivo deste trabalho é determinar as variáveis mais influentes na determinação de cava final e sequenciamento de lavra. As ferramentas de planejamento de mina apenas apresentam o resultado final do planejamento. Não apontam as variáveis mais sensíveis. É importante determinar as variáveis em que uma pequena variação no valor é capaz de transformar um bloco minerado em estéril. O trabalho confirmou a importância das variáveis econômica relacionadas a função benefício, entretanto quantificou que o posicionamento espacial do bloco possui importância semelhante a algumas variáveis econômicas.

Referências

Ahmadi, M. R. (2018). Cutoff grade optimization based on maximizing net present value using a computer model. Journal of Sustainable Mining, 17(2), 68–75. https://doi.org/10.1016/j.jsm.2018.04.002

Bakke, H. A., Leite, A. S. de M., & Silva, L. B. da. (2008). Estatística Multivariada: Aplicação Da Análise Fatorial Na Engenharia De Produção. Revista Gestão Industrial, 4, 01–14.

Boezio, M. N. M. (2010). Estudo das metodologias alternativas da geoestatística multivariada aplicadas a estimativa de teores de depósitos de ferro. 465.

Borouche, J. M. ., & G, S. (1982). Análise de dados (Zahar (ed.)).

Burgarelli, H. R., Souza, F. R., Nader, A. S., Navarro Torres, V. F., Câmara, T. R., Ortiz, C. E. A., & Galery, R. (2018). Direct block scheduling under marketing uncertainties. REM, 71(2), 275–280.

Campos, A. C. A., & Girodo, A.C,Valente, J. (2000). Otimização de cavas ou estacionarização de parâmetros: Qual caminho a seguir? In IBRAM (Ed.), I Congresso Brasileiro de Mina a Céu Aberto & I Congresso Brasileiro de Mina Subterrânea.

Drummond, R. D., & Vidal, A. C. (2011). Comparação entre as técnicas multivariadas MAF e PCA aplicadas na classificação de eletrofácies. Revista Brasileira de Geofisica, 29(3), 497–509. https://doi.org/10.22564/rbgf.v29i3.95

Fontoura, D. M. (2017). Método para auxílio na definição da quantidade de minério liberado. Universidade Federal do Rio Grande do SUl.

Hall, B. (2014). Cut-off Grades and Optimising the Strategic Mine Plan Cut-off Grades and Optimising the Strategic Mine Plan.

Mallmann, E. M. (2015). Pesquisa-ação educacional: preocupação temática, análise e interpretação crítico-reflexiva (C. de Pesquisa (ed.), 45th ed.).

Mingoti, S. A. (2017). Análise de Dados Através de Métodos de Estatística Multivariada: Uma Abordagem Aplicada (E. UFMG (ed.), 2nd ed.).

Mustapha, H., & Dimitrakopoulos, R. (2011). HOSIM: A high-order stochastic simulation algorithm for generating three-dimensional complex geological patterns. Computers and Geosciences, 37(9), 1242–1253. https://doi.org/10.1016/j.cageo.2010.09.007

Pereira, A., Shitsuka, D., Parreira, F., & Shitsuka, R. (2018). Método Qualitativo, Quantitativo ou Quali-Quanti. In Metodologia da Pesquisa Científica. https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1. Acesso em: 28 março 2020.

Prichoa, C. E., & Ribeiro, S. R. A. (2013). Aplicação da análise de componentes principais em dados extraídos automaticamente de imagens de satélite landsat 5 TM. Anais XVI Simpósio Brasileiro de Sensoriamento Remoto.

Rendu, J.-M. (2014). An Introduction to Cut-Off Grade Estimation (Second). Society for Mining, Metallurgy & Exploration (SME).

Rendu, J. (2008). An Introduction to Cut-off Grade Estimation. Society for Mining, Metallurgy, And Exploration, Inc. (SME).

Richards, J. A. (1993). Remote Sensing Digital Image Analysis - An Introduction (2nd ed.). Springer-Verlag.

Souza, F. R., Burgarelli, H. R., Nader, A. S., Ortiz, C. E. A., Chaves, L. S., Carvalho, L. A., Torres, V. F. N., Câmara, T. R., & Galery, R. (2018). Direct block scheduling technology: Analysis of Avidity. REM - International Engineering Journal, 71(1), 97–104. https://doi.org/10.1590/0370-44672017710129

Tang, F., & Tao, H. (2006). Binary principal component analysis. BMVC 2006 - Proceedings of the British Machine Vision Conference 2006, 377–386. https://doi.org/10.5244/c.20.39

Downloads

Publicado

10/09/2022

Como Citar

CAMPOS, B. I. S. .; SOUZA, F. R. .; LIMA, H. M. de . Variáveis de impacto no sequenciamento de lavra. Research, Society and Development, [S. l.], v. 11, n. 12, p. e107111234146, 2022. DOI: 10.33448/rsd-v11i12.34146. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/34146. Acesso em: 23 dez. 2024.

Edição

Seção

Ciências Exatas e da Terra