Impacto da amostragem adicional na redução da incerteza associada à estimativa e classificação de recursos minerais

• Ano de defesa: 2024
• Autor(a) principal: Oliveira, Adriano Gomes Morais de
• Orientador(a): Souza, Luis Eduardo de
• Banca de defesa: Abichéquer, Luciana Arnt , Koppe, Vanessa Cerqueira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Pampa
• Programa de Pós-Graduação: Mestrado Profissional em Engenharia Mineral
• Departamento: Campus Caçapava do Sul
• País: Brasil
• Palavras-chave em Português: Análise de incerteza; Otimização de malha; Classificação de recursos; Uncertainty analysis; Mesh optimization; Resource classification
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS
• Link de acesso: https://repositorio.unipampa.edu.br/jspui/handle/riu/9371

A análise da incerteza associada à estimativa é uma etapa fundamental durante os processos de otimização de malhas amostrais, onde são definidas as regiões do depósito que necessitam da coleta de novas amostras ou, ainda, durante a classificação de recursos e reservas. Ambas as abordagens são desafiadoras e requerem a comparação de diferentes metodologias para definição daquela que apresenta o melhor desempenho. De um lado, durante campanhas de adensamento amostral, o profissional responsável precisa adotar critérios para escolha do padrão de amostragem a ser utilizado (amostragem regular versus amostragem em regiões de mais alta incerteza), além de avaliar o índice de incerteza que apresenta o melhor desempenho na definição das regiões mais erráticas do depósito. Por outro lado, no que diz respeito à classificação de recursos, deve-se recorrer a critérios mínimos de classificação, com base nos mais sofisticados códigos de classificação de recursos e reservas. Diante da problemática descrita acima, esta dissertação propõe o uso de duas abordagens a partir de um banco de dados de um depósito de carvão mineral situado no município de Figueira, Paraná, Brasil. Na primeira abordagem, a partir de amostras virtuais obtidas por simulação condicional, é apresentado um estudo sobre o impacto da amostragem adicional na redução da incerteza global e local, considerando os índices variância condicional (VC) e intervalo entre quartil (IEQ), demonstrando como essa metodologia pode auxiliar na escolha das regiões que necessitam de amostragem adicional e na quantidade de amostras a serem adicionadas, o que pode representar uma economia de recursos financeiros e de tempo para as mineradoras. A segunda abordagem trata de um estudo comparativo entre metodologias de classificação de recursos e reservas, que demonstra as vantagens e desvantagens do Máximo Erro da Estimativa (MEE) e do Superkriging no acesso ao erro associado à estimativa. Resultados mais satisfatórios foram obtidos através do Máximo Erro da Estimativa na classificação de recursos contidos em áreas de produção anual e trimestral, enquanto o Superkriging apresentou elevados percentuais de erro.